Primary detection records for aquatic nonindigenous species in global estuarine and marine ecosystems and the Great Lakes
Notice bibliographique
Résumé
Aim The introduction of aquatic non-indigenous species (ANS) has become a major driver for global changes in species biogeography. We examined spatial patterns and temporal trends of ANS detections since 1965 to inform conservation policy and management. Location Global Methods We assembled an extensive dataset of first records of detection of ANS (1965-2015) across 49 aquatic ecosystems, including the i) year of first collection, ii) population status and iii) potential pathway(s) of introduction. Data were analysed at global and regional levels to assess patterns of detection rate, richness, and transport pathways. Results An annual mean of 43 (± 16 S.D.) primary detections of ANS occurred – one new detection every 8.4 days for 50 years. The global rate of detections was relatively stable during 1965-1995, but increased rapidly after this time, peaking at roughly 66 primary detections per year during 2005-2010, then declining marginally. Detection rates were variable within and across regions through time. Arthropods, molluscs and fishes were the most frequently reported ANS. Most ANS were likely introduced as stowaways in ships’ ballast water or biofouling, although direct evidence is typically absent. Main conclusions This synthesis highlights the magnitude of recent ANS detections, yet almost certainly represents an underestimate as many ANS go unreported due to limited search effort and diminishing taxonomic expertise. Temporal rates of detection are also confounded by reporting lags, likely contributing to the lower detection rate observed in recent years. There is a critical need to implement standardized, repeated methods across regions and taxa to improve the quality of global-scale comparisons and sustain core measures over longer timescales. It will be fundamental to fill in knowledge gaps given that invasion data representing broad regions of the world's oceans are not yet readily available and to maintain knowledge pipelines for adaptive 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 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».