MétaCan
Menu
Retour à la cohorte
Enregistrement W4401334734 · doi:10.3390/f15081361

Current and Future Insect Threats to Oaks of the Midwest, Great Lakes, and Northeastern United States and Canada

2024· article· en· W4401334734 sur OpenAlexaboutno aff
Amanda J. Stump, Katie Bershing, Tara L. Bal, Carsten Külheim

Notice bibliographique

RevueForests · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Insect Ecology and Management
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Forest ServiceNational Institute of Food and AgricultureU.S. Department of Agriculture
Mots-clésLymantria disparBuprestidaeEcologyHerbivoreAgrilusBiologyClimate changeHabitatRange (aeronautics)GeographyKeystone speciesLarva

Résumé

récupéré en direct d'OpenAlex

Increasing temperatures, prolonged drought, the increased severity and intensity of storms, and other effects of climate change are being felt globally, and long-lived forest tree species may struggle in their current ranges. Oaks (Quercus spp.) have evolved a range of adaptations to dry and hot conditions and are believed to be a “climate change winner” by increasing their suitable habitat. However, a mixture of life history traits and increasing susceptibility to herbivores and xylovores as well as secondary pathogen infections still put oaks at risk of decline. Oak species found in the Midwestern, Great Lakes, and Northeastern United States and Canada are important keystone species with high ecological and economical importance. They are also vulnerable to existing, new, and emerging threats that have the potential to cause mortality across entire stands quickly. Current examples of insect threats include the Lymantria dispar (spongy moth), Agrilus bilineatus (twolined chestnut borer), and Nitidulidae (sap beetles) as disease vectors. Examples of emerging insects of concern include Cynipidae (oak gall wasps) and Enaphalodes rufulus (red oak borer). This study describes these insects, explains their mechanisms of action and the effects on oaks, and explores mitigation strategies for each.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,874
Score d'incertitude au seuil0,898

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,211
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetForest Insect Ecology and ManagementTravaux en français237 207