Enhancing Buprestidae monitoring in Europe: Trap catches increase with a fluorescent yellow colour but not with the presence of decoys
Notice bibliographique
Résumé
This study investigated the efficacy of various traps differing in colour (green or yellow), presence or absence of decoys (dead Agrilus planipennis) or design (commercial MULTz or multifunnel traps, and homemade bottle- or fan-traps) for monitoring European Buprestidae in deciduous forests and pear orchards. Over two years, we collected 2220 samples on a two-week basis from 382 traps across 46 sites in Belgium and France. None of the traps proved effective for monitoring Agrilus sinuatus in infested pear orchards (17 specimens captured in 2021, 0 in 2022). The decoys did not affect the catch rates whatever the trap model, colour, buprestid species or sex. The fluorescent yellow traps (MULTz and yellow fan-traps) tended to be more attractive than the green traps (green fan-traps and, to a lower extent, multifunnel green traps). Most Agrilus species showed similar patterns in mean trap catches, with the exception of Agrilus biguttatus, which had the largest catches in the green multifunnel traps. Finally, we observed a high variation in catch rates between localities: the site explained 64% of the catches variance, while the tree within the site and the type of trap explained only 6-8.5% each. In many sites, we captured very few specimens, despite the abundance of dying mature trees favourable to the development of Buprestidae. For the early detection of non-native Buprestidae, it therefore seems essential to maximise the number of monitoring sites. Due to their cost-effectiveness, lightweight design, and modularity, fan-traps emerged as promising tools for buprestid monitoring. The study's findings extend beyond European fauna, as a preliminary trial in Canada suggested that yellow fan-traps could also improve captures of non-European buprestid species and catch species of interest such as Agrilus bilineatus (a species on the EPPO A2 list of pests/pathogens recommended for regulation in the EU).
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».