MétaCan
Menu
Retour à la cohorte
Enregistrement W3041880044 · doi:10.46534/jliv.2019.06.01.044

Assessment of natural enemies for pest control on an indoor living wall

2019· article· en· W3041880044 sur OpenAlexafffund
S. Bjørnson, Jay Gallant

Notice bibliographique

RevueJournal of Living Architecture · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueInsect Pest Control Strategies
Établissements canadiensNova Scotia HospitalSaint Mary's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPEST analysisBiological pest controlMealybugBiologyBiological dispersalPest controlEcologyPredatorPredationChrysoperla carneaHorticultureChrysopidaePopulation

Résumé

récupéré en direct d'OpenAlex

Living walls are comprised of tropical plants that are susceptible to a variety of insect pests, but little information is available to help achieve effective pest control on vertical plant canopies. Although insect natural enemies can provide efficient pest control in indoor environments, the vertical canopies of living walls present challenges for natural enemy dispersal and success. During this six-month study, commercially-available natural enemies were released to control aphid outbreaks and a heavy infestation of soft brown scales on an indoor living wall. Three lady beetles were used: Lindorus (Rhyzobius) lophanthae (scale destroyer) and Cryptolaemus montrouzieri (mealybug destroyer) were released for scale control, and Adalia bipunctata (two-spotted lady beetle) was released to control aphids. Chrysoperla carnea (green lacewings) were released to observe natural enemy migration. Brown soft scale on Schefflera was reduced from 83.2 to 7.5 scales per leaflet (mid-May to mid-October; 91% reduction). C. montrouzieri was the only natural enemy able to establish itself on the wall, and their larvae were easy to monitor. Although the physical environment of the upper and lower canopies differed considerably, the natural enemies used were able to migrate freely and provide effective pest control.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,902
Score d'incertitude au seuil0,259

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,242
Écart entre enseignants0,234 · 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 tête enseignante, 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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Living ArchitectureMême sujetInsect Pest Control StrategiesTravaux en français237 207