Predicting invasiveness of freshwater fishes imported into North America: regional differences in models and outcomes
Notice bibliographique
Résumé
Abstract Biological invasions driven by international trade heighten the urgency for development of invasion risk models, as the traits and parameters that consistently predict successful invasion remain unresolved. For four regions of North America that include parts of the United States and Canada (Sacramento-San Joaquin River Basins, Lower Colorado River Basin, Great Lakes Region, Mid-Atlantic Region), we construct and compare classification tree models to reveal robust predictors for the establishment and ecological impact stages of freshwater fish invasion. We subsequently apply the models to identify invasive fish species in trade and conduct pathway analyses to determine which trades (aquarium, biological supply, live bait, live food, water garden) and source continents pose the greatest risk to each region. Model results differed by invasion stage and region. Across regions, establishment models shared climate-related predictors including climate match and temperature tolerance. Three of the four impact models contained prior establishment success. The greatest number of species (548) were predicted to establish in the Sacramento-San Joaquin while the fewest (5) were predicted to establish in the Mid-Atlantic. Forty species were predicted to establish in multiple regions, five of which were also predicted to have high impact. The aquarium trade and Asia supplied the most species predicted to establish. Taken together, the results highlight region-specific models, indicating no universal model predicts invasion. Climate-related and prior establishment variables were most useful to risk assessments. The regional models, and identified high-risk pathways and potential invaders, could be applied to prevent future fish invasions in North America.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».