Estimating Invasion Dynamics with Geopolitical Unit-Level Records: The Optimal Method Depends on Irregularity and Stochasticity of Spread
Notice bibliographique
Résumé
Biological invasions are an ongoing threat for sustainability of ecosystems, and estimating the spread of invasive species is critical for making management decisions. Geopolitical unit-level data (GULD) are often used to estimate invasions due to their wide availability, and researchers had evaluated the abilities of multiple methods to estimate invasion with GULD. However, earlier studies were case based and only addressed limited information on the spread, thus making it inadequate to determine which method to choose to estimate invasions with GULD under various spread scenarios. Here, we conducted a simulation study to (1) evaluate performances of eight methods on estimating expansion patterns, spread rates, and spread dynamics of invasive species with GULD; (2) assess the impact of size and homogeneity of size of geopolitical unit on the estimations by studied methods; (3) evaluate the similarities of all studied methods. Additionally, we presented a concave hull boundary displacement method (Ctd_BD) and an area-based regression method (SqrtNA_R) to estimate spread with GULD. Three regions with varying sizes of counties in the United States (U.S.) were selected to conduct the simulations, and three spread scenarios and three expansion patterns were simulated. AIC, and R2 and root mean square error (RMSE) were used to evaluate the accuracy of methods on estimating expansion pattern, and overall spread rate and spread dynamics, respectively. Correlation coefficient and RMSE were used to assess the similarity of eight methods. We found Ctd_BD and area-based regression methods consistently estimated the right expansion patterns. Boundary displacement and area-based regression methods estimated highly correlated spread rates and dynamics. Distance-based regression methods provided a high accuracy on estimating overall spread rate without long-distance jump dispersal but performed poorly on estimating the spread dynamics. We recommend boundary displacement method, especially Ctd_BD, for estimating spread with GULD, whereas for spread without clear infestation boundaries, distance-based regression can be used to estimate overall spread rate and area-based regression can be used to estimate spread dynamics.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| 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 ».