An Economic Cost/Benefit Tool to Assess Bee Pollinator Conservation, Pollination Strategies, and Sustainable Policies: A Lowbush Blueberry Case Study
Notice bibliographique
Résumé
Lowbush blueberry is a mass-flowering plant species complex that grows in both unmanaged wild landscapes and managed agricultural fields in northeastern regions of both the USA and Canada. During pollination, more than 120 native bee species are associated with lowbush blueberry ecosystems in Maine, USA, in addition to three commercially managed bees. Over a 29-year period, we sampled 209 lowbush blueberry fields using quadrat and transect sampling, recording both native bee and honey bee densities, honey bee hive stocking density, and native bees as a proportion of total bees. These data were used to simulate economic uncertainty in pollination. We developed a novel algorithm, the Economic Pollinator Level (EPL), to estimate bee densities that economically warrant pollination investments such as rented hives and planting bee pastures. Statistical modeling indicated both native bee and honey bee activity density predicted proportion fruit set in fields. Honey bee activity density was well predicted by hive stocking density. Proportion fruit set adequately predicted yield. EPL was most sensitive to fruit set/m2/bee and less dependent on berry weight, rented hive stocking density, hive rental cost, lowbush blueberry price, and the annual cost of planting/maintaining pollinator pastures. EPL can be used to sustainably balance economical pollination investments/decisions with bee conservation in lowbush blueberry crops and potentially other pollinator-dependent crops.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».