Pasture pest impact and control options used on dairy farms in south-eastern Australia
Notice bibliographique
Résumé
To better understand the impact of pasture pests and their control measures used on dairy farms in south eastern Australia, a survey of 76 farmers was conducted between November 2016 and July 2017. The survey covered true insects as well as other pests such as mites, slugs, snails and millipedes. Seventy percent of the survey respondents were from the state of Victoria, 16% from Tasmania, with the remainder from New South Wales and South Australia. There were few significant regional differences in farmer responses regarding impacts and the use of control measures, so these are not presented. Overall, 42% of dairy farmers surveyed reported they had resown a pasture at least once in the last five years as a response to insect damage. Beetles, including cockchafers and wireworms, were identified as the most common pest causing damage leading to pasture resowing. During the last 5 years, approximately half of the survey respondents did not use insecticide sprays or seed treatments, while approximately one quarter of respondents used these products every year. Insecticides were most commonly used in autumn months to protect establishing pastures, and the main pests targeted at this time were mites, lucerne flea, beetles, caterpillars and grasshoppers. Endophyte-infected pasture cultivars were used by approximately half of the respondents in at least 1 of the last 5 years, and were used every year by 15% of respondents. These results, combined with field survey and expert elicitation workshop data, will contribute to an estimate of the impact of pasture pests on dairy farm businesses.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,089 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».