Verbenone and green-leaf volatiles reduce whitebark pine mortality in a northern range-expanding mountain pine beetle outbreak
Notice bibliographique
Résumé
This is the first study testing the effectiveness of semiochemical treatments to protect individual trees from a range-expanding mountain pine beetle (MPB; Dendroctonus ponderosae Hopkins, 1902) attack into newly exposed host populations of endangered whitebark pine (Pinus albicaulis Engelm.). We investigated the effectiveness of a combination of verbenone and green-leaf volatiles (GLV) to protect rare and valuable disease-resistant trees during a MPB epidemic from 2015 to 2018 in Jasper National Park, Canada. Treatments reduced the proportion of trees attacked by MPB for all diameter classes, across all stands, from 46% to 60%. We also evaluated the effect of the exotic disease white pine blister rust (caused by the fungus Cronartium ribicola J.C. Fisch.) — the species’ other main regional threat. MPB were less likely to attack large rust-infected trees than healthy trees, emphasizing the value of the semiochemical treatment. Protecting large cone-bearing disease-resistant whitebark pine trees is fundamental to whitebark pine recovery. Maintaining reproductive trees on the landscape increases the frequency and diversity of rust-resistant genotypes more effectively than just planting seedlings to replace MPB-killed trees, because this slow-growing species takes over 80 years to reproduce. Our study confirmed that protecting large rust-resistant trees with verbenone and GLV is a proactive and effective treatment against MPB for whitebark pine in naïve populations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».