MétaCan
Menu
Retour à la cohorte
Enregistrement W4413131156 · doi:10.9734/arrb/2025/v40i82290

Options for Effective Forest Management of the Oak Wilt Fungus (Bretziella fagacearum) in the Eastern United States

2025· article· en· W4413131156 sur OpenAlexaboutno aff
Atticus Colucy, Sophan Chhin, Emmett Rafferty, Jamie L. Schuler

Notice bibliographique

RevueAnnual Research & Review in Biology · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant Pathogens and Fungal Diseases
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Food and AgricultureU.S. Department of Agriculture
Mots-clésAgroforestryWilt diseaseBiodiversityLimitingGeographyForest managementEnvironmental scienceEcologyBiologyHorticulture

Résumé

récupéré en direct d'OpenAlex

Oak wilt is a fungal related disease that is caused by the oak wilt fungus (Bretziella fagacearum [Bretz] Z.W. De Beer, S. Marincowitz, T.A. Duong, and M.J. Wingfield) which is an introduced vascular wilt fungus that mainly infects oak species (Quercus spp.). The purpose of this review paper is to provide an update on the environmental challenges that are contributing to the spread of oak wilt as well as providing an overview of the forest management options that are available to reduce its spread. This disease has killed millions of oaks in the Midwest and Texas and impacts forest health in the Eastern United States as well. As climate change shifts ranges northward, the distribution of oak wilt is predicted to spread north to Canada. Forest managers, landscapers, and researchers use various management techniques to mitigate the impacts the disease causes to economy, biodiversity, and aesthetics. Current management emphasizes removal of trees near or in the infection center to limit the overland mode of spread. To contain the underground mode of spread, root graft connections between oak trees needs to be severed. Monitoring is key to limiting the spread of oak wilt and will require a combination of remote sensing based technologies and nventory plot network for effective ground-truthing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,395
Écart entre enseignants0,360 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Research & Review in BiologyMême sujetPlant Pathogens and Fungal DiseasesTravaux en français237 207