An assessment of the distribution and potential ecological impacts of invasive alien plant species in eastern Africa
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
With a few exceptions, comprehensive lists of alien plants that invade natural ecosystems are lacking in sub-Saharan Africa. Some available lists are either preliminary or localised, or focus on agricultural weeds. This study set out to compile a list of alien plant species that are invading natural ecosystems and rangelands in five countries in eastern Africa, and to map the distribution of the species that threaten ecosystem integrity and productivity. The location of all alien plant species seen during surveys between 2008 and 2016 was recorded using a hand-held GPS device, as well as their status in terms of either being present and/or naturalised, or invasive and spreading. Individual occurrence records were summarised at the scale of half degree grid cells (∼55 km × 55 km). The survey covered almost half (522) of the 1063 grid cells in Ethiopia, Kenya, Tanzania, Uganda and Rwanda. We recorded 164 invasive alien species in 110 genera and 47 families. We provide further information on the distribution and impacts of 30 species considered to have the greatest impacts in terms of transforming natural ecosystems, as well as on a further 21 species with limited distributions that could potentially become ecosystem transformers. Invasive alien plants are clearly a widespread and growing problem in eastern Africa, and capacity to manage them effectively remains a problem. A great deal of work needs to be done to raise awareness of the problem, and to identify appropriate responses that will be effective in resource-poor countries.
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 | 0,001 |
| 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