Detection and sampling of emerald ash borer (Coleoptera: Buprestidae) infestations
Notice bibliographique
Résumé
Abstract Emerald ash borer, Agrilus planipennis Fairmaire (EAB) (Coleoptera: Buprestidae), has caused devastating levels of mortality to ash trees ( Fraxinus Linnaeus, Oleaceae) in North America. Early infestations of this insect are extremely difficult to detect due to cryptic larval feeding and lack of obvious signs or symptoms of initial attack. Considerable research has been conducted to develop tools and techniques aimed towards providing early detection and delimitation of populations of this invasive species. Sampling tools and techniques include: (1) relating visual signs and symptoms to the presence of EAB infestations; (2) use of girdled trap-trees to increase captures of adults and subsequent larval densities; (3) sub-sampling protocols to detect larvae under the bark based on their within-tree distribution; (4) artificial traps baited with pheromones and/or host volatiles attractive to adult EAB; (5) biosurvellience using buprestid-hunting wasps; and (6) remote sensing techniques. Additional research modelling patterns of infestation at the landscape scale indicate very clumped or aggregated distributions, greatly increasing the difficulty of early detection across large spatial scales. Further research is still required to increase the efficacy and efficiency of early detection tools and techniques, including cost/benefit analysis of the various sampling options, increased understanding of patterns of initial infestation across the landscape, development of sampling programs for both detection and delimitation, and development of sequential sampling programs to estimate EAB density. This information will enable foresters to make informed decisions regarding management strategies against this devastating pest.
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 ».