<scp>BioLake</scp>: A first assessment of lake temperature‐derived bioclimatic predictors for aquatic invasive species
Notice bibliographique
Résumé
Abstract Aquatic invasive species (AIS) present major ecological and economic challenges globally, endangering ecosystems and human livelihoods. Managers and policy makers thus need tools to predict invasion risk and prioritize species and areas of concern, and they often use native range climate matching to determine whether a species could persist in a new location. However, climate matching for AIS often relies on air temperature rather than water temperature due to a lack of global water temperature data layers, and predictive power of models is seldom evaluated. We developed 12 global lake (water) temperature‐derived “BioLake” bioclimatic layers for distribution modeling of aquatic species and compared “climatch” climate matching predictions (from climatchR package) from BioLake with those based on BioClim temperature layers and with a null model. We did this for 73 established AIS in the United States, training the models on their ranges outside of the United States and Canada. Models using either set of climate layers outperformed the null expectation by a similar (but modest) amount on average, but some species were occasionally found in locations with low climatch scores. Mean US climatch scores were higher for most species when using air temperature. Including additional climate layers in models reduced mean climatch scores, indicating that commonly used climatch score thresholds are not absolute but can be context specific and may require calibration based upon climate data used. Although finer resolution global lake temperature data would likely improve predictions, our BioLake layers provide a starting point for aquatic species distribution modeling. Climate matching was most effective for some species that originated at low latitudes or had small ranges. Climatch scores remain useful but limited for predicting AIS risk, perhaps because current ranges seldom fully reflect climatic tolerances (fundamental niches). Managers could consider climate matching as one of a suite of tools that can be used in AIS prioritization.
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 | 0,003 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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.
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 ».