Amélioration de la lutte biologique contre le tétranyque à deux points en framboisières sous grands tunnels : essais d'un supplément nutritif, de plantes-réservoirs et de brumisation
Bibliographic record
Abstract
Les grands tunnels procurent de nombreux avantages pour la culture de framboises, dont l’amélioration des rendements et la qualité des fruits. Cependant, ils fournissent également un environnement idéal pour la prolifération du tétranyque à deux points, Tetranychus urticae, un important ravageur. Bien que plusieurs acaricides soient disponibles, les délais avant-récolte et le développement de résistance chez le tétranyque peuvent être problématiques. Les acariens prédateurs phytoséiides, tel Neoseiulus fallacis, sont reconnus pour leur efficacité à contrôler les tétranyques. Toutefois, de nombreuses introductions doivent souvent être faites au cours d’une saison, entraînant des coûts importants. Le principal objectif de cette étude était d’améliorer l’efficacité de la lutte intégrée contre les tétranyques tout en diminuant le nombre d’introductions de prédateurs dans la culture du framboisier sous grands tunnels. Les objectifs spécifiques étaient de déterminer l'efficacité de quatre stratégies de lutte intégrée en framboisière sous grands tunnels et d’estimer le coût ($/ha) de ces stratégies en les comparant à la lutte conventionnelle. Les méthodes de lutte testées combinent les différentes stratégies suivantes : l’introduction des prédateurs Neoseiulus fallacis, l’ajout de la plante-réservoir Sorbaria sorbifolia, l’utilisation du supplément nutritif à base de pollen pour prédateurs « Nutrimite » de Biobest ainsi que la brumisation des tunnels. Les essais se sont déroulés chez deux producteurs de framboises de la grande région de Québec. Les données recueillies par dépistage des tétranyques et des prédateurs ont démontrées que le supplément de pollen a un effet positif sur la capacité de prédation de N. fallacis et que la brumisation tend à diminuer les densités de population de T. urticae.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| 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".