MétaCan
Menu
Retour à la cohorte
Enregistrement W4288438127 · doi:10.1038/s41598-022-15079-9

Global economic costs of herpetofauna invasions

2022· article· en· W4288438127 sur OpenAlexaff
Ismael Soto, Ross N. Cuthbert, Antonín Kouba, César Capinha, Anna J. Turbelin, Emma J. Hudgins, Christophe Diagne, Franck Courchamp, Phillip J. Haubrock

Notice bibliographique

RevueScientific Reports · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Insect Ecology and Management
Établissements canadiensCarleton University
Organismes subventionnairesFundação para a Ciência e a TecnologiaAXA Research FundAgence Nationale de la RechercheLeverhulme TrustBiodiversa+
Mots-clésData scienceNatural resource economicsComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Biological invasions by amphibian and reptile species (i.e. herpetofauna) are numerous and widespread, having caused severe impacts on ecosystems, the economy and human health. However, there remains no synthesised assessment of the economic costs of these invasions. Therefore, using the most comprehensive database on the economic costs of invasive alien species worldwide (InvaCost), we analyse the costs caused by invasive alien herpetofauna according to taxonomic, geographic, sectoral and temporal dimensions, as well as the types of these costs. The cost of invasive herpetofauna totaled at 17.0 billion US$ between 1986 and 2020, divided split into 6.3 billion US$ for amphibians, 10.4 billion US$ for reptiles and 334 million US$ for mixed classes. However, these costs were associated predominantly with only two species (brown tree snake Boiga irregularis and American bullfrog Lithobates catesbeianus), with 10.3 and 6.0 billion US$ in costs, respectively. Costs for the remaining 19 reported species were relatively minor (< 0.6 billion US$), and they were entirely unavailable for over 94% of known invasive herpetofauna worldwide. Also, costs were positively correlated with research effort, suggesting research biases towards well-known taxa. So far, costs have been dominated by predictions and extrapolations (79%), and thus empirical observations for impact were relatively scarce. The activity sector most affected by amphibians was authorities-stakeholders through management (> 99%), while for reptiles, impacts were reported mostly through damages to mixed sectors (65%). Geographically, Oceania and Pacific Islands recorded 63% of total costs, followed by Europe (35%) and North America (2%). Cost reports have generally increased over time but peaked between 2011 and 2015 for amphibians and 2006 to 2010 for reptiles. A greater effort in studying the costs of invasive herpetofauna is necessary for a more complete understanding of invasion impacts of these species. We emphasise the need for greater control and prevention policies concerning the spread of current and future invasive herpetofauna.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,161
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0180,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,219
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetForest Insect Ecology and ManagementTravaux en français237 207