Using Autumnal Trap Crops to Manage Tarnished Plant Bugs (Lygus lineolaris)
Notice bibliographique
Résumé
For insects, surviving winter depends on their capacity to store enough energy and find proper hibernation sites. A common strategy is to minimize movement and hibernate near autumn food sources. We investigated the efficiency of autumnal hosts to act as trap crops where insects could be exposed to targeted repressive treatments. This approach could reduce the local populations of insect pests in the next production season, reducing the need for insecticides. First, we tested the mullein plant’s attractiveness as an autumn trap crop for Lygus lineolaris (Hemiptera: Miridae) in strawberry fields by comparing peak population density among mullein (Verbascum thapsus), strawberry plants (Fragaria × ananassa), buckwheat (Fagopyrum esculentum), and mustard (Sinapis alba). Second, we tested four treatments applied to the autumn trap crops to reduce L. lineolaris winter survivorship: (1) hot water, (2) a pathogen (Beauveria bassiana), (3) insecticide (cypermethrin), and (4) a control. The density of the L. lineolaris population on mullein in autumn and on buckwheat in summer was higher than on strawberry and mustard. Of the overwintering L. lineolaris, 0% survived the winter when treated with the insecticide cypermethrin, while 38.3% survived in the control treatment (without repressive treatment). The B. bassiana and hot water treatments did not differ from the control. The mullein autumn trap crops combined with insecticide treatments could contribute to reducing the overwintering population, hence potentially reducing population during the following growing season.
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 ».