Efficacy Of Ficus religiosa And Curcuma longa Leaf Extracts On Heterotermes indicola Under Laboratory Conditions
Notice bibliographique
Résumé
Termite infestations can cause severe damage to crops, resulting in yield loss and contamination of products. Using synthetic insecticides to manage termites often leads to environmental pollution and the development of resistance in termites. Since many plants are known to have insecticidal properties, this study aimed to evaluate the effectiveness of locally available plants at various concentrations for termite control. The current study was performed to evaluate the efficacy of ethanolic leaf extracts of Ficus religiosa, and Curcuma longa against Heterotermes indicola under laboratory conditions. Mortality of termites increased when feed on F. religiosa leaf extracts with minimum feeding rate at the maximum concentration (30%). The results showed that F. religiosa was more potent than C. longa, with LC50 values of 8.71 and 22.74, respectively. Chemical composition of plants extracts by Gas chromatography-mass spectrometry (GC-MS) revealed 14 and 18 compounds in selected ethanolic leaf extracts respectively. The largest chemical components based on percentage of sample identified from F. religiosa were n-Hexadecanoic acid, 1-Hexacoosene, 9,12,15-Octadecatrienal, Phytol, and dl-a-Tocopherol. The main components of C. longa were identified as, Benzenmethanol, a, a,4-trimethyl, 1,2-cis-1,5-trans-2,5-dihydroxy-4-methyl-1-(1-hydroxy-1-isopropyl) cyclohex-3, Cyclohexene, 1-methyl-4-1 (1-methylethylidene)- and 2-Methoxy-4-vinylphenol.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».