Using noxious weed lists to prioritize targets for developing weed management strategies
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
To identify the most commonly regulated weedy plants in the United States and southern Canada, we compiled a database of noxious weed lists obtained from the 48 continental states and six bordering provinces. The 10 most frequently listed weeds are Cirsium arvense, Carduus nutans, Lythrum spp. (includes purple loosestrife), Convolvulus arvensis, Euphorbia esula, Acroptilon repens, Sorghum spp. (includes johnsongrass and shattercane), Cardaria spp. (includes hoary cress, also called whitetop), Centaurea maculosa, and Sonchus arvensis. When genera are ranked, the top genus is Centaurea, which includes C. maculosa, C. diffusa, and C. solstitalis. Biological control programs have targeted many of the top dicotyledonous weeds of national concern, but none of the weedy grasses and sedges. We recommend that exploratory studies be initiated to determine the feasibility of developing biological control agents for the latter species. The complete database of noxious weed lists is available on the Internet at http://invader.dbs.umt.edu. This information may be useful to resource managers and regulatory officials in assessing which weeds are problematic in adjacent geographic areas and by researchers to help select which weeds to target with new management strategies.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle