A Multi-level System for Delivering Biodiversity Knowledge, Data Analysis and Pest Management Recommendations to Growers, for Environmentally Sustainable Crop Protection
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Agricultural systems in Canada are extensive in area, but not monitored or managed intensively. We developed informatics methods to better anticipate the severity, timing and geography of emerging pest risks to crops. The target insects, grasshoppers (Orthoptera: Acrididae), present special challenges in North America, as well as in China, because they occur as a complex of many species, only some of which represent significant risk to crops. We developed a Geographic Information System of insect and weather data in support of environmentally sustainable control methods. GIS-based maps of the outputs of simple weather-driven models of insect stage were provided to growers through a website containing current conditions. We combined delivery of this information with on-line training and non-technical tools for insect identification and selection of management actions. Color images for over 60 grasshopper species that assist recognition of pest versus non-pest species were provided on-line, with additional details provided in printed booklets (3500 copies were distributed free of charge). We also developed an iPhone application that provides similar information and assistance in recognizing species. We invited growers to attend on-line webinars (75 attendees) and in-person workshops (413 participants) for instruction on using the photographs and identification tips. A post-workshop survey completed by all the attendees indicated that most of the attendees (91%) scout their fields to check for the presence of grasshoppers, and that a majority of the farmers (90%) monitor or check their fields themselves, indicating that individual access to information is a valuable feature. Only 18 of the farmers at the workshops indicated that they had previously used species identification to determine pest risk status.
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.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle