Invasion impacts and dynamics of a European‐wide introduced species
Notice bibliographique
Résumé
Globalization has led to the introduction of thousands of alien species worldwide. With growing impacts by invasive species, understanding the invasion process remains critical for predicting adverse effects and informing efficient management. Theoretically, invasion dynamics have been assumed to follow an "invasion curve" (S-shaped curve of available area invaded over time), but this dynamic has lacked empirical testing using large-scale data and neglects to consider invader abundances. We propose an "impact curve" describing the impacts generated by invasive species over time based on cumulative abundances. To test this curve's large-scale applicability, we used the data-rich New Zealand mud snail Potamopyrgus antipodarum, one of the most damaging freshwater invaders that has invaded almost all of Europe. Using long-term (1979-2020) abundance and environmental data collected across 306 European sites, we observed that P. antipodarum abundance generally increased through time, with slower population growth at higher latitudes and with lower runoff depth. Fifty-nine percent of these populations followed the impact curve, characterized by first occurrence, exponential growth, then long-term saturation. This behaviour is consistent with boom-bust dynamics, as saturation occurs due to a rapid decline in abundance over time. Across sites, we estimated that impact peaked approximately two decades after first detection, but the rate of progression along the invasion process was influenced by local abiotic conditions. The S-shaped impact curve may be common among many invasive species that undergo complex invasion dynamics. This provides a potentially unifying approach to advance understanding of large-scale invasion dynamics and could inform timely management actions to mitigate impacts on ecosystems and economies.
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 | 0,000 |
| 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 ».