Birds and wine grapes: foraging activity causes small‐scale damage patterns in single vineyards
Notice bibliographique
Résumé
Summary Crop damage caused by pest bird species is an economic problem in agricultural areas world‐wide. Previous research in North America has focused on estimating regional loss of yield for economic purposes, and largely ignored small‐scale variation in crop damage. If a bird depredation problem is perceived, farmers need to know how to identify areas of their farms that are most susceptible to bird damage so that they may focus their deterrent efforts most efficiently. We developed sensitive sampling and analysis techniques to allow the identification of spatial and temporal patterns in bird damage to wine grapes at the level of single vineyards. We used visual estimation techniques and novel data collection and management procedures to detect small‐scale spatiotemporal patterns in bird damage to Baco Noir and Vidal (ice‐wine) grape varieties in the St Catharine’s area of Ontario, Canada, during the 1998 and 1999 ripening seasons. We detected three overall trends in study vineyards: (i) bird damage was greatest on the edges of vineyards and decreased with distance towards the centre; (ii) bird damage was vertically stratified in vineyards, with grape clusters near the top of vines sustaining more damage than those close to the ground; and (iii) bird damage increased at specific times during the ripening season. An exotic species, the European starling, was responsible for most of the crop damage. Starlings foraged by making short forays into vineyards from perches in adjacent vegetation. This kind of foraging behaviour was reflected in the spatial damage patterns measured in our study plots. We suggest that the data presented here are more useful than estimates of total loss of yield to the managers of individual farms, because they identify the areas of vineyards most susceptible to bird damage. Future field experiments should evaluate the utility of focusing deterrent measures only in the most highly susceptible areas of crop fields. More detailed knowledge of where birds concentrate their foraging efforts, when crops become susceptible, and which species are responsible will allow farmers to focus their deterrent efforts most effectively, while attenuating conflict with non‐offending species.
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 ».