Beyond a diagnostic tool: Validating standardized Mahalanobis distance as a species distribution model for invasive alien species in North America
Notice bibliographique
Résumé
Abstract Species distribution models (SDMs) are useful tools for predicting where new invasive species can establish within a country, supporting both preparatory and response activities. National Plant Protection Organizations use SDMs to inform risk assessment and surveillance activities for emerging plant pests. However, SDMs face multiple and difficult statistical challenges, including multi-collinearity of input variables, correlation structures in climate variables that vary through time and space, limited species observation data, and they often lack formal tests of model performance. We have implemented a previously-reported extrapolation-detection tool as an SDM, rather than a diagnostic tool of SDMs. This method characterizes the observed multivariate climate envelope by using Mahalanobis distance to take advantage of the correlation between climate variables, and identifies areas where the climatic conditions are outside the range of the observed climate envelope. Model outputs include climate suitability maps, and most-important covariate analyses to identify the environmental drivers of the results while assisting in variable reduction. We performed a formal test to assess the ability of the SDM to identify areas invaded by invasive plant pests in North America. Using a list of 23 species from the Canadian Food Inspection Agency’s regulated plant pest list, we demonstrate that this method achieves a high level of accuracy (> 85%) for determining climate suitability for North American plant pest invasions, especially when combined with most-important covariate-guided variable reduction. This suggests that the model is suitable for identifying areas of North America that are susceptible to future invasions. We show that many of the errors occur at the edge of climate suitable areas, where we would expect greater uncertainty in model predictions due to potential over-constraining and geospatial averaging. We present additional analyses to support recommendations on the use and limitations of this SDM in a regulatory context.
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 | 0,009 | 0,029 |
| 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 | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».