Management measures and trends of biological invasions in Europe
Notice bibliographique
Résumé
Biological invasions are a major threat to biodiversity, ecosystem functioning and nature's contributions to people worldwide. However, the effectiveness of invasive alien species (IAS) management measures and the progress toward achieving biodiversity targets remain uncertain due to limited and nonuniform data availability. Management success is usually assessed at a local level and documented in technical reports, often written in languages other than English, which makes such data notoriously difficult to collect at large geographic scales. Here we present the first European assessment of how managers perceive trends in IAS and the effectiveness of management measures to mitigate biological invasions. We developed a structured questionnaire translated into 18 languages and disseminated it to local and regional managers of IAS in Europe. We received responses from 1928 participants from 41 European countries, including 24 European Union (EU) Member States. Our results reveal substantial efforts in IAS monitoring and control, with invasive plants being the primary focus. Yet, there is a general perception of an increase in the numbers, occupied areas, and impacts of IAS across environment and taxonomic groups, particularly plants, over time. This perceived increase is consistent across both EU and non-EU countries, with respondents from EU countries demonstrating more certainty in their responses. Our results also indicate a lack of data on alien vertebrates and invertebrates, reflecting a need for more targeted monitoring and knowledge sharing between managers and policymakers and between countries. Overall, our study suggests that Europe's current strategies are insufficient to substantially reduce IAS by 2030 and hence to meet the Kunming-Montreal Global Biodiversity Framework target.
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 | 0,000 |
| 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) | 0,000 | 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 ».