MétaCan
Menu
Retour à la cohorte
Enregistrement W4416027533 · doi:10.1016/j.foreco.2025.123307

Effects of an early intervention management strategy for spruce budworm on balsam fir growth

2025· article· en· W4416027533 sur OpenAlexafffundabout
Rachel Pearcey, Pierce McNie, Shawn Leroux

Notice bibliographique

RevueForest Ecology and Management · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Resources Canada
Mots-clésSpruce budwormBalsamChoristoneura fumiferanaAbies balsameaOutbreakTortricidaePopulationForest management

Résumé

récupéré en direct d'OpenAlex

When an outbreak of spruce budworm ( Choristoneura fumiferana ) occurs, larvae primarily defoliate balsam fir ( Abies balsamea ) trees in the boreal forest, leading to large-scale tree mortality and reduced growth that can cause forests to become carbon sources. In response to the current spruce budworm outbreak in eastern North America, managers have been trialling a new “early intervention strategy” (EIS). Under this strategy, areas are sprayed with insecticides ( Bacillus thuringiensis var. kurstaki (Btk)) to maintain larval population below outbreak levels, preventing defoliation and tree mortality. In this study, we investigated how the management of a spruce budworm outbreak is affecting the growth of fir trees on the island of Newfoundland. Specifically, we took cores from trees in sprayed (n = 60 trees) and unsprayed (n = 109 trees) sites and measured annual ring widths from 2010 to 2024. We then standardized the ring widths and performed a segmented regression to determine whether growth changed over time. We found that growth only changed in unsprayed sites with a significant breakpoint in the tree growth shortly after the outbreak started. Insecticide spraying as applied under the EIS appears to delay growth loss in balsam fir in the short-term. However, the benefits of spraying must be weighed against potential costs to assess the value of this active management approach over the long-term.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,041
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,000
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 Opus0,004
Tête enseignante GPT0,222
Écart entre enseignants0,218 · 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'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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueForest Ecology and ManagementMême sujetFire effects on ecosystemsTravaux en français237 207