Evaluating environmental, weather, and management influences for sustainable beekeeping in California and Quebec: Enhancing beehive survival predictions
Notice bibliographique
Résumé
Concerned about declining managed honeybee populations in North America, this study employed the random survival forest (RSF) model to assess beehive mortality, considering 18 diverse environmental, weather, and management practices. Our analysis focused on 15,906 and 6,690 beehives in California state, United States, and Quebec province, Canada for 2023, respectively. The accuracy of the RSF model was assessed through three accuracy metrics, namely concordance index (C-index), integrated Brier score (IBS), and time-dependent area under the curve (AUC). Besides, the variables' importance was assessed in both California and Quebec under two criteria configurations, incorporating beehive management criteria and excluding such criteria. Including beehive-management criteria improved accuracy: for the test dataset in California, C-index of 0.8845, IBS of 0.0177, and time-dependent AUC of 0.8819; in Quebec, C-index of 0.9618, IBS of 0.0121, and time-dependent AUC of 0.9687. Comparing feature importance across the regions revealed differences, with sugar-feeding frequency, precipitation, and Miticide-treatment frequency exerting more influence in California and DEM, precipitation, and sugar-feeding frequency playing more substantial roles in Quebec. Beekeeping suitability maps for both regions were provided, classifying land suitability for beekeeping into five categories from very low to very high. By aggregating the areas classified as highly and very highly suitable for beekeeping, the beekeeping suitability maps indicated that 64.712% of California and 66.423% of Quebec exhibit suitable conditions for beekeeping. This study could contribute to reducing honeybee colony losses and supporting the advancement of sustainable agriculture in California and Quebec through 1) pinpointing essential environmental, ecological, and meteorological factors, alongside beehive management practices affecting beehive mortality, and 2) providing maps illustrating land suitability for beekeeping.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».