Hyönteistuhojen vaikutukset Turun kaupungin metsissä : tarkastelussa kaarnakuoriaiset
Notice bibliographique
Résumé
Opinnäytetyön tavoitteena on tutkia, millä tavoin kaarnakuoriaiset vaikuttavat metsien hiilensidontaan, talouteen, monimuotoisuuteen sekä virkistyskäyttöön, turvallisuuteen ja maisemaan. Työn tilaajana toimii Turun kaupunki, jonka alueella tutkimuksen 24 metsikkökuviota sijaitsevat. Työn tarkoituksena on tukea hiilineutraali Turku 2029 - tavoitteita ja toimia materiaalina seuraavissa hiililaskelmissa. Opinnäytetyö antaa suuntaa Turun kaupungin metsien hyönteistuhojen laajuudesta sekä kaarnakuoriaisten määrästä alueittain. \nOpinnäytetyön koostaminen aloitettiin kesällä 2022 tehdyillä maastotutkimuksilla. Jokaiselle metsikkökuviolle sijoitettiin viikoksi feromonipyydys, jonka avulla saatiin arvio metsikön kaarnakuoriaisten määrästä. Lisäksi jokaiselta metsikkökuviolta laskettiin puustotietoja ja kuolleiden puiden määrää sekä arvioitiin kasvupaikkatyyppiä. Kerättyjen aineistojen avulla voidaan tehdä erilaisia päätelmiä kaarnakuoriaisten määrän ja tietyn aihealueen välillä. \nOpinnäytetyössä perehdytään yleisesti kirjanpainajaan ja okakaarnakuoriaiseen. Lisäksi jokaiseen käsiteltävään aihealueeseen, esimerkiksi hiilensidontaan ja monimuotoisuuteen perehdytään yleisellä tasolla ja kerrotaan erilaisista tutkimusmateriaaleista kyseisestä aihealueesta ja kaarnakuoriaisten vaikutuksista siihen. Aihealueita käsitellään myös Turun kaupungin näkökulmasta ja pohditaan erilaisia vaihtoehtoja metsien kestävään käsittelyyn. Tavoitteena on keksiä ratkaisuja, joiden avulla kaarnakuoriaisten aiheuttamat tuhot eivät lisäänny entisestään ja samalla huomioiden kaupungin metsienkäsittelyn tavoitteita, jotka ovat kirjattu esimerkiksi Turun kaupungin ilmastosuunnitelmaan 2029. \nTyön tulokset ovat vaihtelevia ja suoria syy-seuraussuhteita on vähän. Yleisesti ottaen voidaan kuitenkin sanoa, että mikäli kaarnakuoriaisia on enemmän kuin normaali määrä, on syytä tarkkailla tilannetta ja tehdä toimenpiteitä, ennen kuin tilanne pahenee.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,066 | 0,014 |
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 ».