Predicting the Range of Chinese Mitten Crabs in Europe
Notice bibliographique
Résumé
Ecological niche modeling provides a means for predicting the potential future distribution of a nonindigenous species based on environmental characteristics of the species' native range. We applied this method to the Chinese mitten crab (Eriocheir sinensis), a catadromous crustacean with a long history of invasion in Europe. We used genetic algorithm for rule-set prediction to predict the potential European distribution of mitten crab based on its distribution in 42 locations in its native Asia. The climatic variables, air temperature, number of days, amount of precipitation, and wetness index, contributed significantly to predictions of native distribution limits. Although the genetic algorithm for rule-set prediction model was developed for the native range, the species' extensive distribution in Europe (n =434) allowed independent validation of the predictions. Application of the model to Europe was successful, with 84% of occurrences in regions predicted to be suitable by >80% of the models and <4% of occurrences in areas predicted suitable by <50% of the models (mainly along the northern range). At the watershed scale, areas with established mitten crab populations had significantly higher habitat matching than sites that were not invaded. The independent validation of the Asian-based model by the European distribution revealed that predictions were highly accurate. The model also identified large areas of Europe, particularly along the Mediterranean coast, as vulnerable to future invasion. These predictions can be used to develop strategies to control the spread of mitten crab by preventing introductions into vulnerable areas.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».