MétaCan
Menu
Retour à la cohorte
Enregistrement W4407350228 · doi:10.1111/ecog.07614

‘Euclimatch': an R package for climate matching with Euclidean distance metrics

2025· article· en· W4407350228 sur OpenAlexaff
Justin A. G. Hubbard, David Drake, Nicholas E. Mandrak

Notice bibliographique

RevueEcography · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensThe Scarborough HospitalFisheries and Oceans CanadaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEuclidean distanceMatching (statistics)R packageEcologyEnvironmental scienceComputer scienceGeographyMathematicsBiologyStatisticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Climate matching, a tool for predicting non‐native species survival in target (recipient) regions, is commonly used in invasive species frameworks such as horizon scanning and screening‐level risk assessment protocols. Screening‐level risk assessments often require the analysis of many species with limited resources, and climate matching can be advantageous to identify a reduced number of species for more detailed analyses. Additionally, risk screening may require examination of non‐native species' source pools where species occurrence records are not used in model training data. In these instances, climate matching is an effective method for assessing the survival of non‐native species or their source pools in a target region and has practical advantages over species distribution models. We introduce the R package ‘Euclimatch' for quantitative climate matching with the Euclidean distance algorithm Climatch. The package provides tools for creating a streamlined data‐agnostic climate‐matching workflow. First, climate data are extracted for species occurrence records or regions. Second, climate match is modelled between two regions as a similarity score per grid cell or summarized across a target region. Third, visualizations of the climate match model outputs are created. We demonstrate the use of the ‘Euclimatch' package with the climate match of two popular aquarium trade species and a region‐to‐region analysis. We also demonstrate differences in results between Euclidean distance metric standardization methods when incorporating climate‐change projections. The scale of each example is global, under historical and projected climates. ‘Euclimatch' provides a scripting interface for Euclidean climate matching for the screening assessment of non‐native species or regions under any climatic conditions. ‘Euclimatch' can be downloaded from the comprehensive R archive network (CRAN).

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 consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,275
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0040,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,255
Écart entre enseignants0,241 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcographyMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207