A highly aggregated geographical distribution of forest pest invasions in the<scp>USA</scp>
Notice bibliographique
Résumé
Abstract Aim Geographical variation in numbers of established non‐native species provides clues to the underlying processes driving biological invasions. Specifically, this variation reflects landscape characteristics that drive non‐native species arrival, establishment and spread. Here, we investigate spatial variation in damaging non‐native forest insect and pathogen species to draw inferences about the dominant processes influencing their arrival, establishment and spread. Location The continentalUSA, includingAlaska (Hawaii not included). Methods We assembled the current geographical ranges (county‐level) of 79 species of damaging non‐indigenous forest insect and pathogen species currently established in the continentalUSA. We explored statistical associations of numbers of species per county with habitat characteristics associated with propagule pressure and with variables reflecting habitat invasibility. We also analysed relationships between the geographical area occupied by each pest species and the time since introduction and habitat characteristics. Results The geographical pattern of non‐native forest pest species richness is highly focused, with vastly more species in the north‐easternUSA. Geographical variation in species richness is associated with habitat factors related to both propagule pressure and invasibility. Ranges of the non‐native species are related to historical spread; range areas are strongly correlated with time since establishment. The average (all species) radial rate of range expansion is 5.2 km yr−1, and surprisingly, this rate did not differ among foliage feeders, sap‐feeders, wood borers and plant pathogens. Main conclusions Forest pest species are much more concentrated in the north‐eastern region of theUSAcompared with other parts of the country. This pattern most likely reflects the combined effects of propagule pressure (pest arrival), habitat invasibility (pest establishment) and invasion spread. The similarity in historical spread among different types of organisms indicates the importance of anthropogenic movement in spread.
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 | 0,000 | 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 | 0,000 | 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) | 0,001 | 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 ».