MétaCan
Menu
Retour à la cohorte
Enregistrement W2739329521 · doi:10.1017/inp.2017.21

Controlling Purple Jewelweed (<i>Impatiens glandulifera</i>): Assessment of Feasibility and Costs

2017· article· en· W2739329521 sur OpenAlexafffund
Michaël A. Leblanc, Claude Lavoie

Notice bibliographique

RevueInvasive Plant Science and Management · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRiparian zoneBiomass (ecology)Vegetation (pathology)Environmental scienceInvasive speciesPopulationPopulation densityEcologyBiologyDemography

Résumé

récupéré en direct d'OpenAlex

We experimentally tested the feasibility of a control campaign of purple jewelweed (Impatiens glandulifera), an exotic invasive species in Europe and North America. We evaluated the amount of time and money required to control the plant along riverbanks, with particular attention paid to the recovery of riparian vegetation following hand pulling and bagging. Work time was directly and significantly related to stem density and fresh biomass of the invader, but the relationship was stronger for density. Density and biomass were strongly reduced by the first hand-pulling operation from a mean of 45 to 2 stems m−2 and from a mean of 0.95 kg m−2 to nearly zero, a good performance but not enough to negate the need for a second hand pulling later in the summer. A single hand pulling significantly reduced the cover of purple jewelweed from to 30% to 7%. Riparian vegetation disturbed by the first hand pulling largely recovered during the following 30 d. Expressed over an area of 1 ha, the total amount of time required to control purple jewelweed is 1,400 work hours over 2 yr, or a minimum investment of Can$21,000 (US$17,000). Although controlling a well-established purple jewelweed population is expensive, to properly evaluate the benefits, we must also consider the costs of soil erosion caused by this species.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,277
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInvasive Plant Science and ManagementMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207