MétaCan
Menu
Retour à la cohorte
Enregistrement W4361305933 · doi:10.1016/j.pecon.2023.03.002

Biological invasions are as costly as natural hazards

2023· article· en· W4361305933 sur OpenAlexafffund
Anna J. Turbelin, Ross N. Cuthbert, Franz Essl, Phillip J. Haubrock, Anthony Ricciardi, Franck Courchamp

Notice bibliographique

RevuePerspectives in Ecology and Conservation · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAXA Research FundAgence Nationale de la RechercheLeverhulme TrustBiodiversa+
Mots-clésNatural hazardNatural (archaeology)Biological hazardLeverage (statistics)Natural resource economicsEnvironmental resource managementEnvironmental scienceEcologyBiologyGeographyEconomicsComputer scienceMeteorology

Résumé

récupéré en direct d'OpenAlex

Natural hazards — such as storms, floods, and wildfires — can be disastrous phenomena and so can biological invasions, for which impacts are often irrevocable and insidious. Yet, biological invasion awareness remains low compared to natural hazards, and investments to manage invasions remain vastly underfunded and delayed. Here, we quantified biological invasion costs relative to natural hazards, to raise awareness and political leverage. Analysing biological invasions and natural hazards damage cost data over 1980–2019, economic losses from biological invasions were of similar magnitude to natural hazards (e.g., $1,208.0 bn against $1,913.6 bn for storms and $1,139.4 bn for earthquakes). Alarmingly, invasion costs increased faster than natural hazards over time. Similar biological invasions impact magnitudes to natural hazards and faster cost growth rates urge commensurate recognition, coordination and action towards invasions in policies.

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)0,000
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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,066
Tête enseignante GPT0,296
Écart entre enseignants0,230 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations104
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePerspectives in Ecology and ConservationMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207