The effectiveness of non-native fish removal techniques in freshwater ecosystems: a systematic review
Notice bibliographique
Résumé
In aquatic systems, biological invasions can result in adverse ecological effects. Management techniques available for non-native fish removal programs (including eradication and population size control) vary widely, but include chemicals, harvest regimes, physical removal, or biological control. For management agencies, deciding on what non-native fish removal program to use has been challenging because there is little reliable information about the relative effectiveness of these measures in controlling or eradicating non-native fish. We conducted a systematic review, including a critical appraisal of study validity, to assess the effectiveness of different non-native fish removal methods and to identify the factors that influence the overall success rate of each type of method. We found 95 relevant studies, generating 158 data sets. The evidence base was dominated by poorly documented studies with inadequate experimental designs (76% of removal projects). When the management goal was non-native fish eradication, chemical treatments were relatively successful (antimycin 89%; rotenone 75%) compared with other interventions. Electrofishing and passive removal measure studies indicated successful eradication was possible (58% each) but required intensive effort and multiple treatments over a number of years. Of these studies with sufficient information, electrofishing had the highest success for population size control (56% of data sets). Overall, inadequate data quality and completeness severely limited our ability to make strong conclusions about the relationships between non-native fish abundance and different methods of eradication and population control and the factors influencing the overall success rate of each method. Our review highlights that there is considerable scope for improving our evaluations of non-native fish removal methods. It is recommended that programs should have explicitly stated objectives, better data reporting, and study designs that (when possible and appropriate) incorporate replicated and controlled investigations with rigorous, long-term quantitative monitoring. Future research on the effectiveness of non-native fish removal methods should focus on: (i) the efficacy of existing or potentially new removal measures in larger, more complex environments; (ii) a broader range of removal measures in general; and (iii) phenotypic characteristics of individual fish within a population that fail to be eradicated or controlled.
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 | 0,010 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,013 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».