Application of FISK, an Invasiveness Screening Tool for Non‐Native Freshwater Fishes, in the Murray‐Darling Basin (Southeastern Australia)
Notice bibliographique
Résumé
The Fish Invasiveness Scoring Kit (FISK) is currently one of the most popular pre-screening tools for freshwater fishes. A recent upgrade has ensured its wider climatic relevance to countries with subtropical regions. This enhancement is of particular importance to Australia, which encompasses tropical, arid, and temperate zones, and where the introduction of non-native fish species poses a significant risk to biodiversity. In this study, 55 fish species previously evaluated in a U.K.-based calibration of FISK are reassessed for their potential invasiveness in the Murray-Darling Basin (MDB; southeastern Australia), the continent's largest catchment encompassing arid and temperate climates. Approximately half of the species were classed as "medium risk" and the other half as "high risk," and the ≥19 threshold previously identified from the calibration study was confirmed. The three highest scoring species (common carp Cyprinus carpio carpio, goldfish Carassius auratus, and eastern mosquitofish Gambusia holbrooki) were those already present and invasive in the area, whereas nearly half of the tropical and subtropical species had lower scores compared to U.K. assessments, possibly because of climate change predictions of drier conditions across the MDB. There were some discordances between FISK and two Australian-based assessment protocols, one of which is qualitative and the other represents a simplified version of FISK. Notably, the Australian origins of FISK should provide for an additional reason for further applications of the tool in other RA areas (i.e., drainage basins) of the continent, ultimately encouraging adoption as the country's reference screening tool for management and conservation purposes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 tête enseignante, 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 ».