Predicting invasion success in complex ecological networks
Notice bibliographique
Résumé
A central and perhaps insurmountable challenge of invasion ecology is to predict which combinations of species and habitats most effectively promote and prevent biological invasions. Here, we integrate models of network structure and nonlinear population dynamics to search for potential generalities among trophic factors that may drive invasion success and failure. We simulate invasions where 100 different species attempt to invade 150 different food webs with 15-26 species and a wide range (0.06-0.32) of connectance. These simulations yield 11 438 invasion attempts by non-basal species, 47 per cent of which are successful. At the time of introduction, whether or not the invader is a generalist best predicts final invasion success; however, once the invader establishes itself, it is best distinguished from unsuccessful invaders by occupying a lower trophic position and being relatively invulnerable to predation. In general, variables that reflect the interaction between an invading species and its new community, such as generality and trophic position, best predict invasion success; however, for some trophic categories of invaders, fundamental species traits, such as having the centre of the feeding range low on the theoretical niche axis (for non-omnivorous and omnivorous herbivores), or the topology of the food web (for tertiary carnivores), best predict invasion success. Across all invasion scenarios, a discriminant analysis model predicted successful and failed invasions with 76.5 per cent accuracy for properties at the time of introduction or 100 per cent accuracy for properties at the time of establishment. More generally, our results suggest that tackling the challenge of predicting the properties of species and habitats that promote or inhibit invasions from food web perspective may aid ecologists in identifying rules that govern invasions in natural ecosystems.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».