Pristine™ fungicide does not pose a hazard to bumble bees in lowbush blueberry production
Notice bibliographique
Résumé
The risk assessment for plant protection products to bees has attracted a lot of attention over the past five years or more.Current estimates of exposure (e.g.EFSA, 2013) are based on 90th percentile concentrations of active substances present in pollen and nectar in the field.Although suitable for acute risks, in field concentrations are not suitable for chronic assessment especially for honey bees which feed from colony stores before making foraging flights or for larvae which are fed from in-hive food stores via nurse bees.Other areas of exposure such as to pollen and nectar in following crops or to guttation may also be better estimated by use of simple exposure models.We will present simple methods based worst case assumptions to model chronic adult and larval honey bee exposure to spray applications of plant protection products (PPP) which take into account in-hive storage of pollen and nectar and also approaches to model exposure levels in succeeding crops and guttation water.Case studies will be presented demonstrating how these worst case model exposure estimates can be used in refining the risk assessment for bees offering a robust, worst case and cost effective alternative to field studies.Having better robust modelled exposure estimates for in-hive food reserves can aid in the assessment of both single PPP stressors and interactions with multiple stressors (e.g.disease and Varroa mites). Pristine™ fungicide does not pose a hazard to bumble bees in lowbush blueberry production
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,004 | 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 ».