A Modeling Framework to Frame a Biological Invasion: Impatiens glandulifera in North America
Notice bibliographique
Résumé
Biological invasions are a major component of global environmental change with severe ecological and economic consequences. Since eradicating biological invaders is costly and even futile in many cases, predicting the areas under risk to take preventive measures is crucial. Impatiens glandulifera is a very aggressive and prolific invasive species and has been expanding its invasive range all across the Northern hemisphere, primarily in Europe. Although it is currently spread in the east and west of North America (in Canada and USA), studies on its fate under climate change are quite limited compared to the vast literature in Europe. Hybrid models, which integrate multiple modeling approaches, are promising tools for making projections to identify the areas under invasion risk. We developed a hybrid and spatially explicit framework by utilizing MaxEnt, one of the most preferred species distribution modeling (SDM) methods, and we developed an agent-based model (ABM) with the statistical language R. We projected the I. glandulifera invasion in North America, for the 2020–2050 period, under the RCP 4.5 scenario. Our results showed a predominant northward progression of the invasive range alongside an aggressive expansion in both currently invaded areas and interior regions. Our projections will provide valuable insights for risk assessment before the potentially irreversible outcomes emerge, considering the severity of the current state of the invasion in Europe.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,009 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».