Many unreported crop pests and pathogens are probably already present
Notice bibliographique
Résumé
Summary Biotic invasions threaten global biodiversity and ecosystem function. Such incursions present challenges to agriculture where invasive pest species cause significant production losses require major economic investment to control and can cause significant production losses. Pest Risk Analysis (PRA) is key to prioritizing agricultural biosecurity efforts, but is hampered by incomplete knowledge of current crop pest and pathogen distributions. Here we develop predictive models of current pest distributions and test these models using new observations at sub-national resolution. We apply generalized linear models (GLM) to estimate presence probabilities for 1739 crop pests in the CABI pest distribution database. We test model predictions for 100 unobserved pest occurrences in the People’s Republic of China (PRC), against observations of these pests abstracted from the Chinese literature. This resource has hitherto been omitted from databases on global pest distributions. Finally, we predict occurrences of all unobserved pests globally. Presence probability increases with host presence, presence in neighbouring regions, per capita GDP, and global prevalence. Presence probability decreases with mean distance from coast and known host number per pest. The models were good predictors of pest presence in Provinces of the PRC, with area under the ROC curve (AUC) values of 0.75 – 0.76. Large numbers of currently unobserved, but probably present pests (defined here as unreported pests with a predicted presence probability > 0.75), are predicted in China, India, southern Brazil and some countries of the former USSR. Our results shows that GLMs can predict presences of pseudo-absent pests at sub-national resolution. The Chinese scientific literature has been largely inaccessible to Western academia but contains important information that can support PRA. Prior studies have often assumed that unreported pests in a global distribution database represents a true absence. Our analysis provides a method for quantifying pseudo-absences to enable improved PRA and species distribution modelling.
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) | 0,001 | 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 | 0,001 |
| 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 ».