Ocorrência da espécie arbórea exótica invasora Hovenia dulcis no estado de Santa Catarina
Bibliographic record
Abstract
A disseminação de espécies exóticas invasoras tem criado desafios complexos, pois ameaçam tanto as riquezas biológicas naturais do planeta, quanto o bem-estar de seus cidadãos. Nesse contexto, ações efetivas, principalmente quando se trata de espécies exóticas invasoras estão relacionadas ao conhecimento e compreensão a respeito do status da invasão e sua abrangência espacial. O objetivo deste artigo é contribuir para a expansão da informação a respeito da ocorrência da espécie arbórea exótica invasora Hovenia dulcis no Estado de Santa Catarina, por meio de uma compilação e análise de dados e publicações científicas. Das 84 espécies de plantas consideradas exóticas invasoras em Santa Catarina, Hovenia dulcis é uma das espécies mais relevantes, apresentando 72 registros de ocorrência na Base de Dados Nacional de Espécies Exóticas Invasoras, 107 registros no Inventário Florístico Florestal de Santa Catarina e ainda 11 registros oriundos de publicações em periódicos científicos. Compilando e espacializando todas as informações constantes nas bases de dados, a espécie tem ocorrência registrada em 124 municípios catarinenses, além de ocorrer em algumas unidades de conservação no estado. O fato da Hovenia dulcis ocorrer em quase metade dos municípios Catarinenses aponta para a necessidade de medidas de prevenção controle e erradicação da espécie.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".