Rapid Removal of Symptomatic Trees Reduces Dutch Elm Disease Infection Rates
Notice bibliographique
Résumé
In the province of Manitoba, Canada, 14 communities were paired on the basis of size and location. From 2004 to 2010 in one member of each pair, rapid removal of American elm (Ulmus americana) trees that displayed symptoms of Dutch elm disease was practiced: newly symptomatic trees were removed within six weeks of symptom detection. The remaining member of each pair continued with autumn or winter removal of symptomatic trees. Treed urban study areas were selected in each community, and in 2008 an inventory of U. americana was taken in these areas. From this inventory and from records of tree removals, estimates of the number of living U. americana and prevalence of Dutch elm disease were made for each year from 2004 to 2010. Following the switch to rapid removal, the annual prevalence of Dutch elm disease in rapid removal communities was 1.5 ± 0.2%, significantly lower than in communities with autumn/winter removal (3.1 ± 0.4%). The study authors estimate that in similar areas the value of the elm resource after 10 years would be almost CAD $600,000/km2 greater if rapid removal rather than autumn/winter removal were practiced. Therefore, under conditions similar to those in these communities, rapid removal should be a component of management programs for Dutch elm disease.
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) | 0,001 | 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 ».