Europe’s top 10 invasive species: relative importance of climatic, habitat and socio-economic factors
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
Using a representative set of 10 of the worst invasive species in Europe, this study investigates the relative importance of climatic, habitat and socio-economic factors in driving the occurrence of invasive species. According to the regression models performed, these factors can be interpreted as multi-scale filters that determine the occurrence of invasive species, with human degradation potentially affecting the performance of the other two environmental filters. Amongst climate factors, minimum temperature of the coldest month was one of the most important drivers of the occurrence of Europe’s worst freshwater and terrestrial invaders like the red swamp crayfish (<i>Procambarus clarkii</i>), Bermuda buttercup (<i>Oxalis pes-caprae</i>) and Sika deer (<i>Cervus nippon</i>). Water chemistry (alkalinity, pH, nitrate) determines the availability of habitat and resources for species at regional to local levels and was relevant to explain the occurrence of aquatic and semi-aquatic invaders such as the brook trout (<i>Salvalinus fontinallis</i>) and Canada goose (<i>Branta canadensis</i>). Likewise, nitrate and cholorophyll-<i>a</i> concentration were important determinants of marine invaders like the bay barnacle (<i>Balanus improvisus</i>) and green sea fingers (<i>Codium fragile</i>). Most relevant socio-economic predictors included the density of roads, country gross domestic product (GDP), distance to ports and the degree of human influence on ecosystems. These variables were particularly relevant to explain the occurrence of the zebra mussel (<i>Dreissena polymorpha</i>) and coypu (<i>Myocastor coypu</i>), species usually associated to disturbed environments. The Japanese kelp (<i>Undaria pinnatifida</i>) was generally distributed much closer to ports than the other two marine organisms, although insufficient information on human impacts prevented a correct assessment of the three marine species. In conclusion, this study shows how socio-economic development is associated with the presence of the top 10 worst European invasive species at a continental scale, and relates this fact to the provision and transport of propagules and the degradation of natural habitats that favour the establishment of invasive species.
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) | 0,004 | 0,001 |
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