Capacity of countries to reduce biological invasions
Notice bibliographique
Résumé
The extent and impacts of biological invasions on biodiversity are largely shaped by an array of socio-economic and environmental factors, which exhibit high variation among countries. Yet, a global analysis of how these factors vary across countries is currently lacking. Here, we investigate how five broad, country-specific socio-economic and environmental indices (Governance, Trade, Environmental Performance, Lifestyle and Education, Innovation) explain country-level (1) established alien species (EAS) richness of eight taxonomic groups, and (2) proactive or reactive capacity to prevent and manage biological invasions and their impacts. These indices underpin many aspects of the invasion process, including the introduction, establishment, spread and management of alien species. They are also general enough to enable a global comparison across countries, and are therefore essential for defining future scenarios for biological invasions. Models including Trade, Governance, Lifestyle and Education, or a combination of these, best explained EAS richness across taxonomic groups and national proactive or reactive capacity. Historical (1996 or averaged over 1996-2015) levels of Governance and Trade better explained both EAS richness and the capacity of countries to manage invasions than more recent (2015) levels, revealing a historical legacy with important implications for the future of biological invasions. Using Governance and Trade to define a two-dimensional socio-economic space in which the position of a country captures its capacity to address issues of biological invasions, we identified four main clusters of countries in 2015. Most countries had an increase in Trade over the past 25 years, but trajectories were more geographically heterogeneous for Governance. Declines in levels of Governance are concerning as they may be responsible for larger levels of invasions in the future. By identifying the factors influencing EAS richness and the regions most susceptible to changes in these factors, our results provide novel insights to integrate biological invasions into scenarios of biodiversity change to better inform decision-making for policy and the management of biological invasions. Supplementary Information: The online version contains supplementary material available at 10.1007/s11625-022-01166-3.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».