MétaCan
Menu
Retour à la cohorte
Enregistrement W4414066503 · doi:10.1016/j.mbs.2025.109524

Dynamics of a pine wilt disease control model with nonlocal competition and memory diffusion

2025· article· en· W4414066503 sur OpenAlexafffund
Yuting Ding, Pei Yu

Notice bibliographique

RevueMathematical Biosciences · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueMathematical and Theoretical Epidemiology and Ecology Models
Établissements canadiensWestern University
Organismes subventionnairesNatural Science Foundation of Hebei ProvinceNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésCompetition (biology)DiffusionCompetition modelWilt diseaseDynamics (music)Hopf bifurcationTheoretical ecologyConstant (computer programming)

Résumé

récupéré en direct d'OpenAlex

Pine wilt disease (PWD) is mainly spread by Monochamus alternatus (in short, M. alternatus). Woodpecker, as the natural predator of M. alternatus, is considered for biological prevention and controlling the PWD. In this paper, we propose a new M. alternatus-woodpecker model with nonlocal competition and memory-based diffusion, which makes the model more realistic for the PWD control. We focus on the dynamics and bifurcations of the model with various combinations of the memory diffusion and nonlocal competition. It is shown that the nonlocal competition can only cause the stable constant steady state to lose stability, while the memory-based diffusion can induce unstable spatially inhomogeneous periodic solutions due to Hopf bifurcation. Consequently, we can explain the spatiotemporal heterogeneity problem in ecology by innovatively using mathematical modelling. Normal form theory with the multiple time scales method is applied to particularly consider Hopf bifurcation, showing complex dynamical behaviours involving various oscillating motions. Finally, numerical simulations are presented with the parameter values chosen from the real forest data of Yuan'an County, Hubei Province, China, confirming the theoretical results of the spatiotemporal heterogeneity of forest diseases and pests, as well as the PWD control.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,756
Score d'incertitude au seuil0,677

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
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 Opus0,010
Tête enseignante GPT0,263
Écart entre enseignants0,253 · 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'étudeThéorique ou conceptuel
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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMathematical BiosciencesMême sujetMathematical and Theoretical Epidemiology and Ecology ModelsTravaux en français237 207