Tracking a killer shrimp: <i>Dikerogammarus villosus</i> invasion dynamics across Europe
Notice bibliographique
Résumé
Abstract Aim Invasive alien species are a growing problem worldwide due to their ecological, economic and human health impacts. The “killer shrimp” Dikerogammarus villosus is a notorious invasive alien amphipod from the Ponto‐Caspian region that has invaded many fresh and brackish waters across Europe. Understandings of large‐scale population dynamics of highly impactful invaders such as D. villosus are lacking, inhibiting predictions of impact and efficient timing of management strategies. Hence, our aim was to assess trends and dynamics of D. villosus as well as its impacts in freshwater rivers and streams. Location Europe. Methods We analysed 96 European time series between 1994 and 2019 and identified trends in the relative abundance (i.e. dominance %) of D. villosus in invaded time series, as well as a set of site‐specific characteristics to identify drivers and determinants of population changes and invasion dynamics using meta‐regression modelling. We also looked at the spread over space and time to estimate the invasion speed (km/year) of D. villosus in Europe. We investigated the impact of D. villosus abundance on recipient community metrics (i.e. abundance, taxa richness, temporal turnover, Shannon diversity and Pielou evenness) using generalized linear models. Results Population trends varied across the time series. Nevertheless, community dominance of D. villosus increased over time across all time series. The frequency of occurrences (used as a proxy for invader spread) was well described by a Pareto distribution, whereby we estimated a lag phase (i.e. the time between introduction and spatial expansion) of approximately 28 years, followed by a gradual increase before new occurrences declined rapidly in the long term. D. villosus population change was associated with decreased taxa richness, community turnover and Shannon diversity. Main Conclusion Our results show that D. villosus is well‐established in European waters and its abundance significantly alters ecological communities. However, the multidecadal lag phase prior to observed spatial expansion suggests that initial introductions by D. villosus are cryptic, thus signalling the need for more effective early detection methods.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».