Estimation de l'impact des parasitoïdes sur les populations de pucerons en champ
Bibliographic record
Abstract
À partir d'un modèle existant de dynamique de populations de pucerons, nous avons développé une méthode permettant de quantifier la contribution de parasitoïdes à la réduction du maximum de densité de pucerons. La méthode a été validée, sur deux ans en champ de soya, en utilisant le modèle biologique composé du puceron du soya (Aphis glycines Matsumura) et de Aphelinus certus Jasnosh, son parasitoïde le plus abondant au nord-est de l'Amérique du Nord. La méthode a estimé que les densités naturelles de A. certus n'avait réduit les pics de densités de pucerons que de 1-6%. La cause de cette faible régulation est associée à un établissement tardif des populations de A. certus en champ de soya, mais les mécanismes sous-jacents restent inconnus. À cet effet, les proportions d'hyperparasitisme sur A. certus, avant le pic de densité de pucerons, étaient trop faible pour que l'hyperparasitisme puisse en être tenu responsable. Concernant la dynamique des populations de pucerons, nous avons proposé une re-paramétrisation du modèle mentionné précédemment afin de faciliter l'interprétation de ses paramètres lorsque la colonisation des champs par les pucerons n'était pas simultanée. Cette stratégie nous a permis d'établir que l'occurrence du pic de densité de puceron du soya est facilement prédictible de sa date de colonisation en champ. Nous recommandons l'utilisation de modèles afin de prédire les pics de densité de pucerons et d'utiliser la méthode d'estimation de l'impact afin d'incorporer des stratégies de relâchers augmentatifs de parasitoïdes aux programmes de lutte existants contre les pucerons.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".