Surprisingly high economic costs of biological invasions in protected areas
Notice bibliographique
Résumé
Abstract Biological invasions are one of the main threats to biodiversity within protected areas (PAs) worldwide. Meanwhile, the resilience of PAs to invasions remains largely unknown. Consequently, providing a better understanding of how they are impacted by invasions is critical for informing policy responses and optimally allocating resources to prevention and control strategies. Here we use the InvaCost database to address this gap from three perspectives: (i) characterizing the total reported costs of invasive alien species (IAS) in PAs; (ii) comparing mean observed costs of IAS in PAs and non-PAs; and (iii) evaluating factors affecting mean observed costs of IAS in PAs. Our results first show that, overall, the reported economic costs of IAS in PAs amounted to US$ 22.24 billion between 1975 and 2020, of which US$ 930.61 million were observed costs (already incurred) and US$ 21.31 billion were potential costs (extrapolated or predicted). Expectedly, most of the observed costs were reported for management (73%) but damages were still much higher than expected for PAs (24%); in addition, the vast majority of management costs were reported for reactive, post-invasion actions (84% of management costs, focused on eradication and control). Second, differences between costs in PAs and non-PAs varied among continents and environments. We found significantly higher IAS costs in terrestrial PA environments compared to non-PAs, while regionally, Europe incurred higher costs in PAs and Africa and Temperate Asia incurred higher costs in non-PAs. Third, characterization of drivers of IAS costs within PAs showed an effect of environments (higher costs in terrestrial environments), continents (higher in Africa and South America), taxa (higher in invertebrates and vertebrates than plants) and Human Development Index (higher in more developed countries). Globally, our findings indicate that, counterintuitively, PAs are subject to very high costs from biological invasions. This highlights the need for more resources to be invested in the management of IAS to achieve the role of PAs in ensuring the long term conservation of nature. Accordingly, more spatially-balanced and integrative studies involving both scientists and stakeholders are required.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».