Factors influencing the capture of Japanese beetles: wind speed and direction, trap deployment protocol, lure type, and trap efficiency
Notice bibliographique
Résumé
Abstract In this study, factors affecting Japanese beetle (JB) trap captures (eg wind direction and speed, lure type, trap deployment and efficiency) were investigated in the field using semiochemical baited traps. Fifty-two percent of 667 JB observed flew directly upwind toward a trap with a dual lure (sex pheromone + floral kairomone), especially when wind speed exceeded 1.5 m/s. Within thirty seconds after approaching 2 m of a trap baited with a dual lure, 43%, 35%, and 22% of 138 observed beetles were captured, flew away, or landed on the trap, respectively. Of 265,884 beetles captured, 48% were captured by a cluster of 3 traps each with a single dual lure, 30% by a single trap baited with 3 dual lures, and 22% by a single trap baited with one dual lure. Traps baited with the floral lure (ie kairomone) and the floral lure and the sex pheromone (ie dual lure) captured similar numbers (39% and 41%, respectively) of JB and both captured more beetles than traps baited with the pheromone alone (12% and 8% for the sex-pheromone from the dual lure and sex-pheromone standard, respectively). Traps baited with the floral kairomone alone or with sex pheromone captured a 1:1 sex ratio (M:F) while pheromone-only traps captured a 3:1 (M:F) ratio of JB. No additive or synergistic effects of the pheromone and floral kairomone were observed. To our knowledge, this study is the first to quantify in real time the flight behavior of a beetle toward traps in the field.
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 | 0,002 | 0,004 |
| 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 | 0,001 | 0,001 |
| 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 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 ».