Simulazione della diapausa e della fenologia del coleottero Giapponese, Popillia japonica
Bibliographic record
Abstract
Il coleottero giapponese (Popillia japonica Newman) è una specie polifaga e invasiva originaria del nord-est asiatico. Fin dalla sua prima individuazione negli Stati Uniti nel 1916, la specie è stata in grado di invadere vaste aree del nord America ed alcune aree del Canada meridionale. Negli anni '70, la P. japonica è stata introdotta nelle Azzorre e dal 2014 la specie si è insediata in Europa continentale (Italia). Dal 2017, in Svizzera sono stati segnalati alcuni avvistamenti della specie. In Italia, la P. japonica è distribuita lungo la Valle del Ticino al confine tra Lombardia e Piemonte e, dalla sua prima individuazione, l’area di infestazione è incrementata nel tempo. La specie è considerata un organismo da quarantena e quindi il Servizio Fitosanitario Nazionale Italiano e i due Servizi Fitosanitari Regionali stanno attuando misure volte al monitoraggio e al contenimento di P. japonica. Il controllo delle popolazioni di P. japonica può essere supportato dall’uso di modelli in grado di predire le tempistiche di emergenza degli stadi vitali suscettibili (ad esempio, larve e adulti). In questo lavoro, presentiamo un modello meccanicistico per simulare l’influenza della temperatura sull’inizio dei voli e sulla curva fenologica degli adulti di P. japonica. Il modello è stato calibrato e validato utilizzando serie temporali relative alla cattura di individui adulti tramite trappole a feromoni. I dati sono stati raccolti dal Servizio Fitosanitario della Regione Lombardia (Italia). Il modello è in grado di simulare realisticamente l’influenza della temperatura del suolo sui pattern di sviluppo e sulle strategie dei cicli di vita della specie. L’applicazione del modello a scala locale (ad esempio, simulazioni a livello puntuale) possono supportare i decisori (agricoltori, cooperative agricole ecc.) nella pianificazione e implementazione di azioni volte al monitoraggio e al controllo delle popolazioni basate sulle tempistiche di emergenza stimate dal modello. Il modello può essere inoltre applicato su scala regionale per ottenere mappe fenologiche che permettano di identificare le aree dove è prevista una emergenza anticipata della specie. Questa informazione può supportare i decisori che agiscono a livello regionale (ad esempio Servizi Fitosanitari Regionali) nella prioritizzazione delle aree di intervento, nell’implementazione di sistemi di allerta e nell’implementazione di piani di gestione della specie su scala regionale. Finanziamento: Il Progetto GESPO è Finanziato da “Direzione Generale Agricoltura - Regione Lombardia - D.d.s. 28 marzo 2018 - n. 4403D.g.r. n. X/7353 14 novembre 2017”.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".