Espèces végétales non-natives sur une île subantarctique chilienne : étude des perceptions des parties prenantes, modélisation des dynamiques de niches des espèces et cartographie des points chauds
Bibliographic record
Abstract
La croissance des activités anthropiques au cours du dernier siècle a contribué à la dispersion et à l’établissement d’espèces végétales non-natives à travers le monde. Ces espèces sont des moteurs importants de changements environnementaux puisqu’elles ont la capacité de modifier les communautés végétales natives notamment à travers la compétition. Puisque les humains sont un des principaux moteurs d'introduction, d'établissement et de propagation d'espèces non-natives et que toute mesure de gestion, pour être efficace, dépend d’une acceptabilité sociale, il est nécessaire de comprendre les perceptions et les choix relatifs à leur utilisation et à leur gestion. La présente recherche a servi à : i) comprendre les perceptions des différentes parties prenantes envers les différentes espèces végétales non-natives de l’île Navarino, une zone tampon de la Réserve de la Biosphère du Cap Horn (RBCH) dans la région subantarctique chilienne ainsi qu’à ii) identifier les dynamiques de niches et les zones à haut potentiel d’établissement (i.e. points chauds) de quatre de ces espèces, qui serviront ensemble d’outils à la gestion de la RBCH. Pour répondre au premier objectif, sept groupes de parties prenantes ont été identifiés (i.e. résident-e-s, résident-e-s aîné-e-s, conservationnistes, membres de la marine, touristes, membres de la communauté autochtone yaghan, employé-e-s des services publics), à l’intérieur desquels 21 entrevues semi-dirigées ont été conduites. Pour répondre au deuxième objectif, les données de présence globales et régionales de quatre espèces végétales herbacées non-natives particulièrement abondantes i.e. Bellis perennis, Cerastium fontanum, Taraxacum officinale et Trifolium repens ainsi que les données climatiques associées ont servi à développer des modèles de distribution des espèces utilisant la méthode d’entropie maximale (MaxENT). En ce qui concerne le premier objectif, les résultats ont révélé des lacunes dans la compréhension du concept d’espèces non-natives parmi les différentes parties prenantes dans le contexte local. D’autre part, les analyses ont révélé de nombreuses valeurs positives associées aux espèces de plantes non-natives à Navarino, notamment la valeur esthétique. Aussi, cette recherche a montré que la plupart des parties prenantes étaient indifférentes à la gestion des espèces de plantes herbacées non-natives. En ce qui concerne le deuxième objectif, les résultats ont révélé un changement de niche habituellement utilisée par les espèces liée au climat moins favorable de Navarino ainsi qu’une forte plasticité pour les quatre espèces mentionnées ci-haut. Néanmoins, les quatre populations auraient atteint l’équilibre à Navarino. Finalement, la combinaison des modèles globaux et régionaux montre que les zones de points chauds se situent plus particulièrement sur la côte sud de l’île et s’étendent au Nord dépendamment des espèces. Basés sur les résultats obtenus, nous suggérons donc (i) de sensibiliser davantage les parties prenantes aux plantes non-natives, (ii) d'intégrer leurs valeurs dans les décisions de gestion futures et (iii) de surveiller les distributions des espèces végétales non-natives à Navarino à des fins de prévention en considérant l’emplacement stratégique de l'île de Navarino comme un tremplin potentiel pour la dispersion des espèces non-natives vers l'Antarctique.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".