MétaCan
Menu
← Retour à la cohorte
Enregistrement W3120174931 · doi:10.22215/etd/2016-11515

The effects of competition and herbicide drift on non-target plant populations

2016· dissertation· en· W3120174931 sur OpenAlexaff
Kaitlyn Montroy

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésInterspecific competitionCompetition (biology)Storage effectBiologyPlant communityGreenhousePlant speciesEcologyEnvironmental scienceAgronomySpecies richness

Résumé

récupéré en direct d'OpenAlex

Herbicide drift is the movement of herbicide away from its intended target.The effect of drift on non-target plants is considered in environmental risk assessments, where the goal of the assessment is to protect plant populations and communities.The aim of this study was to evaluate the assumption that the single species tests used in risk assessments are fully protecting wild plant populations, as they do not account for interspecific interactions.In a greenhouse two-species competition experiment, it was found that the competitive interactions between the model species, Centaurea cyanus and Silene noctiflora, were affected by low doses of glyphosate representing drift.These changes could affect both of their populations in the long-term, and would not be detected using current test guidelines.As interspecific competition is an important determinant of plant community structure, competitive interactions may need to be included in risk assessment to make more credible predictions on the effects of herbicide drift on non-target plants.My greatest achievement to date is accomplished with the submission of this thesis.Yet, it would not have been possible without many others.First and foremost, I need to extend my gratitude to my supervisor, Dr. Céline Boutin, for her continued support and enthusiasm throughout these past two years.I have been extremely fortunate to be of her grad students, benefitting from her knowledge and constructive criticism.

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)0,001
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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 ouverte0,0000,001
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 Opus0,016
Tête enseignante GPT0,215
Écart entre enseignants0,198 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPlant and animal studies→Travaux en français237 207→