Evaluating Cost-Effective Methods for Rapid and Repeatable National Scale Detection and Mapping of Invasive Species Spread
Notice bibliographique
Résumé
Abstract Invasive species can spread rapidly at local and national scales, creating significant environmental and economic impacts. A central problem in mitigation efforts is identifying methods that can rapidly detect invasive species in a cost-effective and repeatable manner. This challenge is particularly acute for species that can spread over large areas (>1 million km 2 ). Wild pigs ( Sus scrofa ) are one of the most prolific invasive mammals on Earth and cause extensive damage to agricultural crops, native ecosystems, and livestock, and are reservoirs of disease. They have spread from their native range in Eurasia and North Africa into large areas of Australia, Africa, South America, and North America. We show that the range of invasive wild pigs has increased exponentially in Canada over the last 27 years following initial and ongoing releases and escapes from domestic wild boar farms. The cumulative range of wild pigs across Canada is 777,783 km 2 , with the majority of wild pig distribution occurring in the Prairie Provinces. We evaluate eight different data collection and evaluation/validation methods for mapping invasive species over large areas, and assess their benefits and limitations. Our findings effectively map the spread of a highly invasive large mammal and demonstrate that management efforts should ideally rely on a set of complementary independent monitoring methods. Mapping and evaluating resulting species occurrences provide baseline maps against which future changes can be rapidly evaluated.
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 | 0,011 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».