The Global Garlic Mustard Field Survey (GGMFS): challenges and opportunities of a unique, large-scale collaboration for invasion biology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
To understand what makes some species successful invaders, it is critical to quantify performance differences between native and introduced regions, and among populations occupying a broad range of environmental conditions within each region. However, these data are not available even for the world’s most notorious invasive species. Here we introduce the Global Garlic Mustard Field Survey, a coordinated distributed field survey to collect performance data and germplasm from a single invasive species: garlic mustard (Alliaria petiolata) across its entire distribution using minimal resources. We chose this species for its ecological impacts, prominence in ecological studies of invasion success, simple life history, and several genetic and life history attributes that make it amenable to experimental study. We developed a standardised field survey protocol to estimate population size (area) and density, age structure, plant size and fecundity, as well as damage by herbivores and pathogens in each population, and to collect representative seed samples. Across four years and with contributions from 164 academic and non-academic participants from 16 countries in North America and Europe thus far, we have collected 45,788 measurements and counts of 137,811 plants from 383 populations and seeds from over 5,000 plants. All field data and seed resources will be curated for release to the scientific community. Our goal is to establish A. petiolata as a model species for plant invasion biology and to encourage large collaborative studies of other invasive species.
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.
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 | 0,000 | 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 découle