An assessment of degree-day models to predict the phenology of alfalfa weevil (Coleoptera: Curculionidae) on the Canadian Prairies
Notice bibliographique
Résumé
Abstract This study examined the use of degree-day models to predict alfalfa weevil Hypera postica (Gyllenhal) (Coleoptera: Curculionidae) population development on the Canadian prairies. Air temperatures, alfalfa weevil abundance, and instar data were collected in 2013 and 2014 from 13 alfalfa ( Medicago sativa Linnaeus; Fabaceae) fields across Alberta, Saskatchewan, and Manitoba. We coupled three alfalfa weevil population prediction models with three temperature data sources to determine which combination most closely aligned with results observed. Our objective was to find the best prediction of peak occurrence of second instar alfalfa weevils, the optimum time for management decisions. Of the parameters analysed, prediction model had the greatest effect on the accuracy of peak instar prediction, with Harcourt and North Dakota models better at predicting population peaks than the Guppy–Mukerji model. Interactions between temperature source and prediction model significantly affected prediction accuracy. The probability of accurate prediction of population peaks to within 3.5 days of actual occurrence using in-field and multiple-site temperature data sets, combined with Harcourt and North Dakota development models, was 0.45–0.70. Lower predictability was found from fields in the Mixed Grass Ecoregion than in other ecoregions. The use of the recommended models can assist growers in timing their monitoring activities and deciding if pest management action is warranted.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».