A new chapter of the Japanese beetle invasion saga: predicting suitability from long-infested areas to inform surveillance strategies in Europe
Notice bibliographique
Résumé
Abstract The Japanese beetle ( Popillia japonica ) is a polyphagous pest that spreads rapidly and is estimated to cost more than 460 M$/year in damage and control in the USA alone. This study provides risk maps to inform surveillance strategies in Continental Europe, following the beetle’s introduction and successive spread in the last decade. We developed a species distribution model using a machine-learning algorithm, considering factors relevant to the beetle’s biology, climate, land use and human-related variables. This analysis was performed using presence-only data from native and invaded ranges (Japan, North America, Azores archipelago - Portugal). We gathered more than 30 000 presence data from citizen science platforms and standardized surveys, and generated pseudo-absences using the target-group method. We used the environmental structure of data to randomly sample pseudo-absences, and evaluate model performance via a block cross-validation strategy. Our results show that climate, in particular seasonal trends, and human-related variables, are major drivers of the Japanese beetle distribution at the global scale. Risk maps show that Central Europe can be considered as suitable, whereas Southern and Northern European countries are at lower risk. The region currently occupied is among the most suitable according to our predictions, and represents less than 1% of the highest suitable area in Europe. A major cluster of high suitability areas is located near the currently infested zone, whereas others are scattered across the continent. This highlights the importance of designing surveillance strategies considering both active insect dispersal and the possibility of hitchhiking to reach distant areas.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».