MétaCan
Menu
Retour à la cohorte
Enregistrement W2804312910 · doi:10.1139/cjb-2018-0050

The effect of an outbreak of the leaf miner <i>Micrurapteryx salicifoliella</i> on the performance of multiple <i>Salix</i> species in interior Alaska

2018· article· en· W2804312910 sur OpenAlexvenueno aff
Diane Wagner, Patricia Doak

Notice bibliographique

RevueBotany · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Forest Service
Mots-clésLeaf minerBiologyWillowContext (archaeology)SalicaceaeHerbivoreBotanyHabitShootHorticultureWoody plantLarva

Résumé

récupéré en direct d'OpenAlex

The genus Salix L. tends to be tolerant of herbivory, but severe outbreaks of herbivorous insects may compromise growth. First documented in Alaska in 1991, the willow leaf blotch miner, Micrurapteryx salicifoliella, is now responsible for frequent and widespread foliar damage to Salix in interior Alaska. We experimentally tested the effect of leaf mining on the performance of four susceptible Salix species across two years of outbreak, and placed the results in the context of a broader survey of leaf mining damage. Across the four species, reduction of leaf mining damage increased average stem elongation, numbers of leaves per shoot, and leaf area. Leaf mining damage was negatively related to leaf water content; a consequence of the leaf miner’s habit of breaching the cuticle on the underside of leaves. Growth deficits due to leaf mining are likely caused by both the loss of leaf tissue to leaf miner feeding and subsequent leaf desiccation. The results are notable in the context of a general decline in productivity in interior Alaska over the past few decades and because the leaf miner impacts Salix species also used by vertebrate browsers of cultural and economic importance, such as moose.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,195
Écart entre enseignants0,190 · 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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBotanyMême sujetFire effects on ecosystemsTravaux en français237 207