Alien flora of Nigeria: taxonomy, biogeography, habitats, and ecological impacts
Notice bibliographique
Résumé
Abstract Biological invasions remain one of the greatest threats to biodiversity and livelihoods, and are predicted to increase due to climate change and globalization. In this study, we produced a comprehensive checklist of alien plants in Nigeria from online flora databases, herbarium records, published field surveys, and questionnaires administered to botanical gardens. The resulting alien flora was classified into naturalized, invasive, and cultivated plants. We then fitted a random forest model to identify the attributes which facilitate the naturalization of alien plants in Nigeria. We also used separate chi-squared tests to investigate if the frequency of these attributes is significantly different between the naturalized and invasive plants. The results include 1,381 alien plant taxa, comprising 238 naturalized, 190 invasive, and 953 cultivated species. The naturalized and invasive plants (428 species) are from 91 families, with Fabaceae and Poaceae having the highest representations. The random forest model showed that life forms and local economic uses were the most important drivers of alien plant naturalization in Nigeria. Chi-squared tests revealed a non-random distribution of life forms, higher frequencies of naturalized plants from the Indomalaya and the Neotropics, greater introductions during the British colonial rule, and that naturalized species are mostly used for medicinal, ornamental, food, or animal fodder purposes. Naturalized and invasive plants were recorded in all regions of Nigeria and are mostly found in urban and agricultural landscapes. This baseline information can support further ecological studies and conservation actions in Nigeria.
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 | 0,001 |
| 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 ».