Mountain pine beetle dispersal: spatiotemporal patterns and role in the spread and expansion of the present outbreak
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
Dispersal has been least understood in mountain pine beetle ecology. We developed a novel regional dynamic conceptual model of mountain pine beetle infestation using the tree mortality estimated from the British Columbia annual aerial overview survey to quantitatively determine short-distance dispersal (SDD) and long-distance dispersal (LDD) at local (forest district) and regional (provincial) scales. The dispersal patterns were characterized based on distances between a sink patch to its nearest source patch. At the regional scale, SDD accounted for 85.3% of mountain pine beetle dispersal to non-infested areas and 96.8% of beetle dispersal to infested areas. Although SDD was a dominant dispersal mode, LDD played a more important role in the early stage of the current mountain pine beetle outbreak. At the local scale, three patterns of dispersal to non-infested areas were identified. First, LDD dominated in the forest districts where only sparse infestations occurred. Second, LDD was a dominant or important factor in the early stages of the infestations in some districts. Third, SDD dominated throughout the infestations in more severely infested forest districts. However, for dispersal to infested areas, SDD was a dominant mode in most of the forest districts. We conclude from the spatiotemporal patterns of dispersal observed at local and regional scales that LDD is a key factor in the initiation and early stage of the infestations in new remote areas, and SDD dominate in the spread and expansion of the outbreak as the infestations intensify and reach epidemic levels. However, it should be conscious that there is uncertainty that LDD might have been over emphasized in the dispersal before local dynamics is fully taken into account.
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 | 0,000 | 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) | 0,001 | 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