Optimizing early detection strategies: defining the effective attraction radius of attractants for emerald ash borer <scp> <i>Agrilus planipennis</i> </scp> Fairmaire
Notice bibliographique
Résumé
Abstract Adult emerald ash borers are attracted to green prism traps baited with the ash host volatile (3 Z )‐hexenol and the sex pheromone of emerald ash borer (3 Z )‐dodecen‐12‐olide [(3 Z )‐lactone]. Quantifying the heretofore unknown range of attraction of such traps would help optimize deployment strategies for early detection. Examining trap captures of traps deployed in pairs at variable distances offers insight into the range of attraction. Recent work has shown the range of attraction can be estimated as half the intertrap distance at which trap catch begins to decrease, which should occur when proximate traps overlap their respective attractive ranges. We estimated these traps' attractive range for emerald ash borer using 98 baited dark green prism traps deployed in pairs, one trap per tree, in an urban park in Saint Paul, Minnesota, USA in summer 2020. We estimate attractive range by fitting a logistic model to trap catch data using Bayesian inferential methods and describe advantages thereof. The attractive range of these baited traps was estimated to be between 16 and 73 m, with a median of 28 m. We recommend that dark green prism traps baited with these semiochemicals be placed 25–35 m apart near high‐risk entry points.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».