Deriving inventories of non-native plant species from iNaturalist: Insights from urban centres of the Western Cape, South Africa
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Accurate, up-to-date inventories of non-native species are important to document and improve our understanding of biological invasions globally and inform management decisions. Traditional methods for the collation of inventories are time- and resource intensive, and lists become outdated if not regularly updated. The community science platform iNaturalist can contribute to the collation of regularly updatable (“living”) inventories of non-native species. However, robust and transparent workflows are needed to optimise data quality to take full advantage of iNaturalist. We present the semi-Automated Non-Native Inventory Compilation (sANNIC) workflow for the collation and completeness assessment of non-native vascular plant inventories from iNaturalist. The workflow is informed by the World Checklist of Vascular Plants (WCVP) and is used to compare native ranges to a reference area. The utility of the workflow is demonstrated by compiling non-native species inventories of 100 urban centres in the Western Cape province, South Africa. A total of 947 taxa of wild-growing, i.e. casual, naturalised and invasive plants were observed in these urban centres which showed varying levels of sample completeness. Most small towns had too few records for a completeness assessment. Larger urban centres and those near the coast were typically better sampled. This work highlights the potential for iNaturalist to construct non-native species inventories given sufficient coverage and thorough curation.
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.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle