Monitoring and Surveillance of Forest Insects
Notice bibliographique
Résumé
Abstract Monitoring of insect populations is widely used in forest entomology in the context of biodiversity studies, as an aspect of pest management, and for the detection and surveillance of non-native invasive species. In particular, monitoring is undertaken to obtain information on the presence or abundance of particular species, to study their phenology (e.g. the time of oviposition or flight periods), to predict pest population size, spread and damage, or to determine if pest management activities are required. A wide variety of methods are being used for these purposes including physical surveys, the use of insect traps, molecular methods, as well as aerial surveys and remote sensing. This chapter focusses on some of the more important methods to provide an overview of the objectives and applications of monitoring and surveillance of forest insects. The principles of each method and common uses are explained and illustrated with case studies on prominent forest insects including the pine processionary moth ( Thaumetopoea pityocampa ), the Sirex wood wasp ( Sirex noctilio ), spongy moth ( Lymantria dispar ), bark beetles such as Ips typographus , and the brown spruce longhorn beetle ( Tetropium fuscum ). The chapter also explores statistical considerations and issues such as imperfect relationships between trap catch and the local population size of target species. Niche methods that are not widely used but have strengths in some situations (e.g. detector dogs for detection of Anoplophora glabripennis and other invasive species) or are still in development (e.g. e-noses and acoustic detection) are also discussed.
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 ».