Binomial Sampling of Western Flower Thrips Infesting Flowering Greenhouse Crops Using Incidence-Mean Models
Notice bibliographique
Résumé
Accurate assessments of thrips density are important for effective thrips management programs. Complicating the development of sampling plans for western flower thrips (WFT) Frankliniella occidentalis (Pergande) in greenhouse crops are the facts that they are small, difficult to detect, and attack a variety of crops, which may be grown concurrently within the same greenhouse. Binomial sampling was evaluated as an alternative to sampling plans based on complete enumeration. This work included comparison of incidence-mean models across diverse plant species (impatiens, cucumber, and marigold) to determine the possibility of using a generic model for sampling WFT in mixed crops. Data from laboratory-processed flower samples revealed that infestation rates calculated using a tally threshold of three thrips per flower provided the best estimates of thrips population densities in each tested crop and in the combined crops (composite data set). Distributions of thrips populations were similar across the three plant species, indicating potential for development of a generic sampling plan for mixed floral crops. Practical sampling methods for simple and complex flowers tested in the greenhouse (in situ) were evaluated via construction of binomial count operating characteristic functions. In the case of simple flowers (impatiens), visual inspections provided adequate estimates of thrips infestation rates at a low tally threshold, which ultimately enabled accurate estimation of thrips densities. However, visual inspection and tap-sampling of complex flowers (marigold) provided unreliable results. These findings indicate that use of binomial sampling methods in mixed floral crops will require development of more accurate sampling techniques.
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 ».