Kurtturuusun tehokas poistaminen tieympäristöstä
Notice bibliographique
Résumé
Kurtturuusu luokiteltiin haitalliseksi vieraslajiksi 2019 sen aggressiivisen ja tehokkaasti muita lajeja syrjäyttävän leviämistapansa takia. Opinnäytetyöni tavoitteena on löytää mahdollisimman tehokas tapa hävittää kurtturuusu ’Rosa rugosa’ ja sen valkokukkainen versio ’Rosa rugosa f. alba’. Työssä avataan myös sitä, miksi ko. kasvi on luokiteltu haitalliseksi vieraslajiksi. \n \nOpinnäytetyössä suoritettiin kenttäkoe, jossa tutkittiin erilaisten menetelmien vaikutusta kurtturuusuun sen poistamistarkoituksessa. Poistotoimenpiteiksi valikoitui alasleikkaus, etikalla- ja pelargonihapolla käsitteleminen, kulotus, poistaminen kaivamalla sekä kaivaminen ja peittäminen valoa läpäisemättömällä muovilla. Koe suoritettiin kesällä 2020 (touko - elo) ja sen seuranta jatkuu Destian toimesta vielä kesäkaudella 2021. Kokeen pohjalta laadittiin työohjekortti kurttulehtiruusun poistamiseen Destian alueurakoiden käyttöön. Työohjekortti ja kustannuslaskelmat, joiden pohjalta menetelmien tehokkuutta tutkitaan ovat salassa pidettäviä niiden kilpailuteknisistä syistä, joten niitä ei esitetä tässä työssä. \n \nKenttäkokeen tuottaman tuloksen mukaan tehokkain poistomenetelmä kurtturuusun poistossa on kaivamisen ja tukahduttamisen yhdistelmä. Tämä on kuitenkin lyhyellä aikavälillä kallein vaihtoehto. Huonoin hävitystapa kurtturuusulle on ehdottomasti sen alasleikkaus, sekä pelargonihappokäsittely.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,160 | 0,048 |
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 ».