Considering species richness and rarity when selecting optimal survey traps: comparisons of semiochemical baited flight intercept traps for Cerambycidae in eastern North America
Notice bibliographique
Résumé
Abstract We compared standard multiple‐funnel, modified multiple‐funnel, intercept panel and canopy malaise ( SLAM ) traps with top and bottom collecting cups for their effectiveness (species richness, rarity, abundance) at capturing Cerambycidae in eastern North America. Experiments were conducted in New York, Louisiana, Massachusetts and Georgia in 2011 and 2012. A combination of pheromones and host volatiles chosen to match local forest types were used as lures. Species richness tended to be higher in SLAM and modified funnel traps than standard funnel and intercept panel traps. SLAM traps also captured the highest number of species, unique species, rare (species accounting for ≤ 1% of total cerambycids at a site) and singleton species at each site. Individual‐based rarefaction and sample‐based species accumulation curves suggested that SLAM traps are more effective for capturing cerambycid species. For many estimates, modified funnel and funnel traps were lower than SLAM traps but greater than intercept panel traps for describing cerambycid communities. Modified funnel and SLAM traps generally captured the highest abundance of cerambycids but the response of the individual subfamily and species varied by trap type. SLAM traps should be considered as a strong tool to describe cerambycid communities when used in conjunction with pheromones and host volatiles.
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 ».