Predicting the global economic costs of biological invasions by tetrapods
Notice bibliographique
Résumé
Globalisation has accelerated rates of biological invasions worldwide, leading to widespread environmental perturbations that often translate into rapidly expanding socio-economic costs. Although such monetary costs can be estimated from the observed effects of invasions, the pathways that lead invasive species to become economically impactful remain poorly understood. Here, we implement the first global-scale test of the hypothesis that adaptive traits that influence demographic resilience predict economic costs, using invasive terrestrial vertebrates as models given their well-catalogued impacts and characteristics. Our results reveal that total global costs of invasive tetrapods are conservatively in the tens of billions of dollars, with the vast majority due to damage costs from invasive mammals. These monetary impacts are predicted by longevity, female maturation age, diet and invasion pathway traits, although the directionality in the association between impacts and these drivers varied across classes. Alarmingly, costs remain unknown for >90 % of recorded established alien tetrapods worldwide, and across the majority of invaded countries. These huge socio-economic costs demonstrate the necessity of mitigating tetrapod invasions and filling knowledge gaps. Effective identification of traits predictive of costs among and within these groups can facilitate the prioritisation of resources to efficiently target the most damaging existing and emerging invasive tetrapod species. • Global economic costs of invasive tetrapods conservatively sum to >US$55 billion. • Costs are predicted by species traits — longevity, female maturation age, diet and invasion pathway. • Directionality of predictions can differ between ecto- and endothermic invaders. • Significant discrepancies exist between databases documenting ecological and economic impacts. • Profiling of life history traits can help to identify and mitigate future costs.
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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».