KEANEKARAGAMAN HAMA LALAT BUAH PADA TANAMAN SAYURAN BUAH DI KABUPATEN BANGKA DAN KUNCI IDENTIFIKASINYA
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Lalat buah (Diptera: Tephritidae) merupakan hama penting bersifat invasif yang menyerang pada komoditas tanaman hortikultura khususnya tanaman buah dan sayuran buah. Informasi terkait jenis-jenis lalat buah perlu dilaporkan sebagai antisipasi dalam upaya pengendalian hama lalat buah. Pengoleksian lalat buah selain menggunakan atraktan juga dapat dilakukan dengan menggunakan host rearing. Penelitian ini bertujuan untuk mengetahui distribusi dan jenis spesies lalat buah apa saja yang terdapat pada tanaman sayuran buah di Kabupaten Bangka. Penelitian dirancang dengan menggunakan metode survei yang dilakukan disetiap kecamatan dan sampel penelitian diambil secara purposive sampling. Sampel yang menjadi target yang terindikasi lalat buah diambil dan kemudian di rearing. Lalat buah kemudian diidentifikasi dan dibuatkan kunci dikotomus. Hasil penelitian menunjukkan terdapat 10 jenis tanaman inang lalat buah antara lain cabai besar Capsicum annuum, cabai rawit Capsicum frutescens, mentimun Cucumis sativus, labu kuning Cucurbita moschata, melinjo Gnetum gnemon, oyong Luffa acutangula, paria Momordica charantia, tomat Solanum lycopersicum, terung Solanum melongena, and kacang panjang Vigna unguiculata. Lalat buah yang terkoleksi dalam penelitian ini sebanyak 6 spesies yaitu Bactrocera dorsalis, B.carambolae, B.mcgregori, Zeugodacus cucurbitae, Z. sp 1 dan Z. sp 2, dengan jumlah sebanyak 1.113 individu. Spesies yang paling dominan yaitu Z. cucurbitae pada tanaman sayuran buah di Kabupaten Bangka. Keanekaragaman dan kekayaan pada tanaman sayuran buah di Kabupaten Bangka dikategorikan rendah.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découle