Use of a Climatic Rule and Fuzzy Sets to Model Geographic Distribution of Climatic Risk for European Canker (<i>Neonectria galligena</i>) of Apple
Notice bibliographique
Résumé
A rule-based model was developed to assess climatic risk of European canker (Neonectria galligena), which is a major disease of apple in some temperate zones. A descriptive rule was derived from published observations on climatic conditions favorable for European canker development. Fuzzy set theory was used to evaluate the descriptive rule quantitatively. The amount and frequency of rainfall and the average number of hours between 11 and 16°C/day were used as input variables whose values were matched with terms in the rule, e.g., 'high' or 'low'. The degree of a term, e.g., the state of being high or low, to a given input value was determined using a membership function that converts an input value to a number between 0 and 1. The rule was evaluated by combining the degree of the terms associated with monthly climate data. Monthly risk index values derived using the rule were combined for pairs of consecutive months over 12 months. The annual risk of European canker development was represented by the maximum risk index value for 2 months combined. The membership function parameters were adjusted iteratively to achieve a specified level of risk at Talca (Chile), Loughgall (Northern Ireland), East Malling (UK), and Sebastopol (USA), where European canker risk was known. The rule-based model was validated with data collected from Canada, Ecuador, Denmark, Germany, Norway, Poland, Sweden, the Netherlands, New Zealand, and the Pacific Northwest (USA), where European canker has been reported to occur. In these validation areas, the model's risk prediction agreed with reports of disease occurrence. The rule-based model also predicted high risk areas more reliably than the climate matching model, CLIMEX, which relies on correlations between the spatial distribution of a species and climatic conditions. The combination of a climatic rule and fuzzy sets could be used for other applications where prediction of the geographic distribution of organisms is required for climatic risk assessment.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».