Unevenly distributed biological invasion costs among origin and recipient regions
Notice bibliographique
Résumé
Globalization challenges sustainability by intensifying the ecological and economic impacts of biological invasions. These impacts may be unevenly distributed worldwide, with costs disproportionately incurred by a few regions. We identify economic cost distributions of invasions among origin and recipient countries and continents, and determine socio-economic and biodiversity-related predictors of cost dynamics. Using data filtered from the InvaCost database, which inevitably includes geographic biases in cost reporting, we found that recorded costly invasive alien species have originated from almost all regions, most frequently causing impacts to Europe. In terms of cost magnitude, reported monetary costs predominantly resulted from species with origins in Asia impacting North America. High reported cost linkages (flows) between species’ native countries and their invaded countries were related to proxies of shared environments and shared trade history. This pattern can be partly attributed to the legacy of colonial expansion and trade patterns. The characterization of ‘sender’ and ‘receiver’ regions of invasive alien species and their associated cost can contribute to more sustainable economies and societies while protecting biodiversity by informing biosecurity planning and the prioritization of control efforts across invasion routes. The impacts of biological invasions may be unevenly distributed globally, with a few regions bearing most of the cost. This study identifies cost distributions of invasions among origin and recipient countries and continents, and determines socio-economic and environmental predictors of cost dynamics.
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 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».