Sampling Plans for <I>Pseudaletia unipuncta</I> (Lepidoptera: Noctuidae) Larvae in Azorean Pastures
Notice bibliographique
Résumé
Pseudaletia unipuncta (Haworth) is a pest in Azorean pastures that causes up to 8% yield loss mainly during summer and early autumn. The objective of this research was to develop robust sampling plans based on larval spatial distribution. The number of larvae in three 60-m2 plots on S. Miguel Island (Azores) was determined. Plots of 0.25 m2 were the most accurate unit for estimating the population size. The relationship between mean and variance fitted both Taylor’s power law and Iwao’s patchiness regression model. Relationships to determine optimum sample sizes for fixed levels of precision based on both models were developed, but demanded a heavy sampling cost for the usual precision values (0.1–0.25). To reduce sampling effort, two sequential sampling plans were developed and compared, one based on Taylor’s parameters and the other based on Iwao’s parameters. For a precision of 0.25, Taylor’s sequential sampling plan led to an average 76% reduction of the sampling effort compared with sample sizes estimated for fixed levels of precision. Simulations of Iwao’s sequential sampling plan applied to larval counts correctly predicted a “treat” or “not-treat” decision for 91% of the cases. However, this plan estimated field densities with a lower degree of precision than Taylor’s plan and required a considerable increase in sampling effort for larval densities close to the critical mean. Use of Taylor’s sequential sampling plan should provide effective management of P. unipuncta in grass pastures and minimize sampling time and cost.
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) | 0,001 | 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 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 ».