The predictability of mosquito abundance from daily to monthly timescales
Notice bibliographique
Résumé
The prediction of mosquito abundance is of central interest in addressing mosquito population dynamics and in forecasting the associated emerging and re-emerging diseases. However, little work has focused on the systematic evaluation of how well adult mosquito abundance can be predicted as a function of observational resolutions, aggregation scales, and prediction lead time. We use a state space reconstruction (SSR) approach to compare the predictability of mosquito population dynamics at weekly, biweekly, and monthly scales. We focus on the analysis of Aedes vexans and Culiseta melanura populations monitored in Brunswick County (North Carolina, USA) and find that prediction over a 7-d lead time is improved when daily observations are used, compared to the commonly used once-per-week sample. Our results demonstrate that daily observations of mosquito abundance contribute to improving mosquito predictability in two ways: (1) daily observations better capture fluctuations over short timescales, which are missed when sampling at coarser resolutions, and (2) the aggregation of daily abundance observations reduces the impact of noise, thereby increasing the predictability of mosquito population dynamics as the aggregation scale is increased. We show that the evaluation of population dynamical models based on observed and predicted abundance can lead to a spuriously high apparent performance, due to the high autocorrelation in the observations used to update the model state at each successive time step. We show that the comparison of predicted and observed population change, expressed through per capita growth rates, leads to a more informative performance measure.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».