An evidence-based protocol for developing lists for tree planting
Notice bibliographique
Résumé
Tree planting is increasingly being promoted for urban greening, carbon sequestration, and to enhance biodiversity. However, poorly planned and executed tree-planting schemes can inadvertently contribute to biological invasions which often have detrimental effects on local ecosystems, economies, and human well-being. Therefore, sustainable, rigorous, repeatable and transparent species selection strategies need to be employed to maximise ecosystem benefits. Using the Polyphagous Shot Hole Borer (PSHB, Euwallacea fornicatus ) invasion in South Africa as a case study, we used a multi-criterion approach, incorporating national lists of regulated invasive plant species, records of their invasiveness in other regions, and data on PSHB susceptibility to develop a strategic decision protocol for identifying tree taxa that can be safely considered in planting schemes. Using a recently published national planted tree inventory, we apply this protocol to the City of Cape Town, South Africa, a metropolitan municipality experiencing widespread tree and PSHB invasions. Among the 445 planted tree taxa evaluated in Cape Town, 85 are regulated nationally as invasive species (and so must not be used), while 49 are deemed suitable candidates for planting initiatives (i.e., a safe list). This protocol provides evidence-based guidance for tree planting to mitigate the risk of tree invasions and to reduce the spread and impact of associated pests and pathogens. It can provide support for environmental planners and managers in making informed decisions to safeguard ecosystems and optimise ecosystem services. This protocol is replicable and adaptable for use in other regions and offers a robust model for sustainable planting, restoration planning, and invasive species management.
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 | 0,001 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».