Prediction and error in multi‐stage models for spread of aquatic non‐indigenous species
Notice bibliographique
Résumé
Abstract Aim Predictions of spread of non‐indigenous species allow for greater efficiency in managing invasions by targeting areas for preventative measures. The invasion sequence is a useful concept in predictions of spread, as it allows us to test hypotheses about the transport and establishment of propagules in novel habitats. Our aims are twofold: (1) to develop and validate multi‐stage invasion models for the introduced fishhook waterflea, Cercopagis pengoi, and (2) to assess how variability in the transport patterns of the propagules influences the accuracy and spatial extent for predictions of spread. Location New York State, USA. Methods We developed a two‐stage model for the spread of C. pengoi . First, we developed a stochastic gravity model for dispersal based on surveys of recreational boat traffic in New York State as a proxy for propagule pressure. We then modelled the probability of establishment based on predicted levels of propagule pressure and measures of lakes’ physicochemistry. In addition, we used Monte Carlo simulations based on the gravity model to propagate variability in boater traffic through the establishment model to assess how uncertainty in dispersal influenced predictions of spread. Results The amount recreationalists were willing to spend, lake area and population size of the city nearest to the destination lake were significant factors affecting boater traffic. In turn, boater traffic, lake area, specific conductance and turbidity were significant predictors of establishment. The inclusion of stochastic dispersal reduced the rate of false positives (i.e. incorrect prediction of an invasion) in detecting invasions at the upper 95% prediction interval for the probability of establishment. Main conclusions Combinations of measures of propagule pressure, habitat suitability and stochastic dispersal allow for the most accurate predictions of spread. Further, multi‐stage spread models may overestimate the extent of spread if stochasticity in early stages of the models is not considered.
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 | 0,000 | 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 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 ».