Alien plant invasion hotspots and invasion debt in European woodlands
Notice bibliographique
Résumé
Abstract Questions European woodlands harbor at least 386 alien plant species but the factors driving local invasions remain unknown. By using a large vegetation‐plot database, we asked how local richness and abundance of alien species vary by regions, elevation, climate, soil properties, human disturbance, and habitat types. Location Western, central and southern Europe. Methods We linked consolidated data from the European Vegetation Archive (16,211 plots) to a habitat classification scheme, climate, soil properties and human disturbance variables. In addition, we used 250 km × 250 km regional grid cells to test whether local patterns differ among regions. We used generalized additive models (GAMs) and quantile GAMs to explore how relative alien species richness and the sum of alien species covers per plot relate to predictors. Random Forest analyses (RFs) were employed to assess the importance of individual predictors that were not multicollinear. Results Relative alien species richness and the sum of alien species covers varied across regions and habitat types, with effects being more pronounced at the maximum rather than average responses. Both response variables declined with increasing elevation and distance to the nearest road or railroad and increased with the amount of sealed soil. Maxima in fitted functions matched plots from regional invasion hotspots in northwestern and central Europe. RFs accounted for 39.6% and 20.9% of the total variation in relative alien species richness and the sum of alien species covers, respectively, with region and habitat being the most important variables. Conclusions The importance of maximum response quantiles and the prevalence of regional hotspots point to invasion debt in European woodlands. As alien plants expand further, their species richness and abundance in woodlands will be likely driven by the shared effects of the introduction and planting history, differences in the invaded habitat types, and dispersal corridors.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».