MétaCan
Menu
Retour à la cohorte
Enregistrement W7135060111 · doi:10.5376/ijmec.2025.15.0010

The Research on Green Control Strategies and Techniques for Major Pests and Diseases of Sapindus mukorossi

2025· article· W7135060111 sur OpenAlexvenueno aff
Jie Zhang, Jianhui Li

Notice bibliographique

RevueInternational Journal of Molecular Ecology and Conservation · 2025
Typearticle
Langue
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePhytochemical Studies and Bioactivities
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuality (philosophy)Biological pest controlPest controlCropNatural enemiesProduction (economics)

Résumé

récupéré en direct d'OpenAlex

This study focuses on the green control strategies and techniques for the main diseases and pests of Sapindus mukorossi , with the aim of enhancing the ability to resist diseases and pests and supporting sustainable development. Sapindus mukorossi  is not only an economic crop but also an ecological resource, often used in landscaping, traditional medicine and bioenergy production. The risks are equally obvious: it is highly vulnerable to pests and diseases, and the output and quality will decline accordingly. To this end, the research will evaluate the effects of biological control and natural pesticides, and explore feasible paths to enhance resistance by combining molecular markers, gene editing and other means. It is worth noting that saponin extracts have strong insecticidal and antibacterial activities, can effectively control pests such as melon fruit flies, and have a relatively small impact on beneficial organisms. The significance of green prevention and control goes beyond this: it not only helps maintain ecological balance but also enhances the commercial value of Sapindus mukorossi  products. Certain progress has been made at present, but further verification and expansion are still needed, especially in evaluating the wide application and stability of natural products such as saponins under different environmental conditions.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,209
Score d'incertitude au seuil0,362

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,017
Tête enseignante GPT0,335
Écart entre enseignants0,319 · 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'étudeExpérimental (laboratoire)
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'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular Ecology and ConservationMême sujetPhytochemical Studies and BioactivitiesTravaux en français237 207