Lethal risk to birds from insecticide use in the United States—a spatial and temporal analysis
Notice bibliographique
Résumé
We used pesticide use data and previously published models to estimate the lethal risk to birds from insecticides used in U.S. agriculture. Data from the U.S. Department of Agriculture's National Agricultural Statistical Service (NASS, Washington, D.C.) were used to assess how the lethal risk to birds has changed over the period 1991 to 2003 and to compare risk among crop types according to the most recently available surveys. Because the NASS data coverage is incomplete, both with respect to crop and state, we also used a database assembled by the National Center for Food and Agriculture Policy (NCFAP, Washington, D.C.) for the 1997 reference year, to which we added state-specific average application rates for crop/insecticide combinations. For each state/crop/insecticide combination (>6000 entries), we assessed the proportion of crop area on which avian mortality was deemed probable, as well as the extended number of hectares this represented. The crops responsible for most potential bird mortality in the United States were corn and cotton, followed more distantly by alfalfa, wheat, potato, peanut, sugar beet, sorghum, tobacco, and citrus. Other crops represented a higher risk to birds on a per hectare basis. The southeast United States generally had the highest proportion of farmland with a lethal risk to birds. On a positive note, the lethal risk to birds has generally declined over the last decade in most crops, although there are exceptions such as small fruit crops. The reasons for this improvement vary from crop to crop, but usually entail the replacement of older more hazardous products with newer ones with lower acute toxicity to birds.
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) | 0,001 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».