NON-INDIGENOUS PESTS: ENTRY PATHWAYS, INTRODUCTION HOTSPOTS, AND RISK ASSESSMENT IN THE EUROPEAN UNION

Plant pests pose a significant threat to global agriculture, natural ecosystems, and biodiversity, causing severe ecological and economic damage. This thesis aimed to identify high-risk regions for pest introductions (hotspots), analyse key environmental and human factors, and develop new tools for risk assessment. A systematic review evaluated hotspot identification methods, highlighting the potential of Bayesian models for analysing areal data. A dataset of 278 pest introductions in the European Union (EU) (1999–2019) was compiled, offering key spatial and temporal insights. Bayesian hierarchical spatial modelling revealed that temperature, precipitation, and human population density significantly influence pest introductions, also highlighting the relevance of the spatial component. High-risk areas were identified in southern Europe and major trade hubs. Finally, the qPRAentry R package was developed to model pest entry pathways, integrating trade data and providing user-friendly tools for quantitative pest risk assessment. This research supports targeted prevention, early detection, and preparedness strategies, contributing to the protection of agriculture, ecosystems, and biodiversity in the EU and UK.

Gli organismi dannosi per le piante rappresentano una minaccia significativa per l'agricoltura globale, gli ecosistemi naturali e la biodiversità, causando gravi danni ecologici ed economici. Questa tesi si propone di identificare le regioni ad alto rischio di introduzione di questi organismi (hotspot), analizzare i principali fattori ambientali e antropici che li determinano e sviluppare nuovi strumenti per la valutazione del rischio. Tramite una revisione sistematica della letteratura sono stati esaminati i metodi di identificazione di hotspot, evidenziando il potenziale dei modelli Bayesiani per l'analisi dei dati spaziali. È stato compilato un dataset contenente 278 introduzioni di organismi nell'Unione Europea (UE) tra il 1999 e il 2019, fornendo informazioni chiave a livello spaziale e temporale. La modellizzazione spaziale gerarchica Bayesiana ha rivelato che temperatura, precipitazioni e densità della popolazione umana influenzano significativamente le introduzioni di organismi, sottolineando anche l'importanza della componente spaziale. Le aree ad alto rischio sono state individuate nell'Europa meridionale e nei principali snodi commerciali. Infine, è stato sviluppato il pacchetto qPRAentry per il software R, progettato per modellare i percorsi di ingresso degli organismi, integrando dati commerciali e offrendo strumenti intuitivi per la valutazione quantitativa del rischio fitosanitario. Questa ricerca supporta strategie mirate di prevenzione, rilevamento precoce e preparazione, contribuendo alla protezione dell'agricoltura, degli ecosistemi e della biodiversità nell'UE e nel Regno Unito.