How well do species distribution models predict occurrences in exotic ranges?
Notice bibliographique
Résumé
Abstract Aim Species distribution models (SDMs) are widely used predictive tools to forecast potential biological invasions. However, the reliability of SDMs extrapolated to exotic ranges remains understudied, with most analyses restricted to few species and equivocal results. We examine the spatial transferability of SDMs for 647 non‐indigenous species extrapolated across 1,867 invaded ranges, and identify what factors may help differentiate predictive success from failure. Location Global. Time period Current. Major taxa studied Six hundred and forty‐seven terrestrial species; eight taxonomic classes. Methods We performed a large‐scale assessment of the transferability of SDMs using two modelling approaches: generalized additive models (GAMs) and MaxEnt. We fitted SDMs on the native ranges of species and extrapolated them to exotic ranges. We examined the influence of general factors and factors related to biological invasions on spatial transferability. Results Despite both modelling approaches performing well in the range of the species used for fitting, we observed moderate to low spatial transferability on average (mean area under the receiver operating characteristic curve [AUC] ~ .7) when extrapolating to their invaded ranges. Transferability differed between taxonomic classes and invaded continents and was positively influenced by the performance of the model and environmental generalism in the native range, and the year of first record. Models performed worse with greater environmental coverage in the exotic range, gross domestic product and number of occurrences in the native range, geographic distance between ranges and when extrapolating to islands. Main conclusions After controlling for sampling bias, half of SDMs were only weakly predictive, which should affect how SDM‐based forecasts are interpreted. Performance differed based on characteristics of the data, species, and ranges, and can suggest when SDMs may be reliable and when we should be most cautious. These considerations touch directly upon the potential use of SDMs for management of biological invasions. We discuss possible mechanisms of these findings.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».