Modelling Interactions between Forest Pest Invasions and Human Decisions Regarding Firewood Transport Restrictions
Notice bibliographique
Résumé
The invasion of nonnative, wood-boring insects such as the Asian longhorned beetle (A. glabripennis) and the emerald ash borer (A. planipennis) is a serious ecological and economic threat to Canadian deciduous and mixed-wood forests. Humans act as a major vector for the spread of these pests via firewood transport, although existing models do not explicitly capture human decision-making regarding firewood transport. In this paper we present a two-patch coupled human-environment system model that includes social influence and long-distance firewood transport and examines potential strategies for mitigating pest spread. We found that increasing concern regarding infestations (f) significantly reduced infestation. Additionally it resulted in multiple thresholds at which the intensity of infestation in a patch was decreased. It was also found that a decrease in the cost of firewood purchased in the area where it is supposed to be burned (Cl) resulted in an increased proportion of local-firewood strategists, and a 67% decrease in Cl from $6.75 to $4.50 was sufficient to eliminate crosspatch infestation. These effects are synergistic: increasing concern through awareness and education campaigns acts together with reduced firewood costs, thereby reducing the required threshold of both awareness and economic incentives. Our results indicate that the best management strategy includes a combination of public education paired with firewood subsidization.
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 | 0,001 | 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 ».