Climate effects on honey bees can be mitigated by beekeeping management in Kenya
Notice bibliographique
Résumé
In recent decades, worldwide concerns about the health of honey bees motivated the development of surveys to monitor the colony losses, of which Sub-Saharan Africa has had limited representation. In the context of climate change, understanding how climate affects colony losses has become fundamental, yet literature on this subject is scarce. For the first time, we conducted a survey to estimate the livestock decrease of honey bee colonies in Kenya for the year 2021-2022 to explore the effects of environmental conditions, such as temperature and precipitation, on livestock decrease. We define "livestock decrease" from the beekeeper's perspective, including dead colonies but also, in the specific context of the tropics, the colonies that absconded from the apiary. A total of 589 beekeepers from a variety of areas participated in the survey. Kenyan beekeepers had an average of 36.6% livestock decrease in 2021-2022, with higher decreases during the dry and hot (31.9%) than during the wet and cold season (20.2%). We found that livestock decreases were more important with temperature for both dry and hot and wet and cold seasons. Interestingly, we found that precipitation mitigated temperature effects on livestock decrease for both seasons. Finally, we found that beekeepers practicing water supplementation had up to 10% less livestock decrease during the dry and hot season than those that did not, suggesting it to be a relevant adaptive strategy to mitigate livestock decrease. It is worth noting that beekeepers can renew their stock by trapping swarms, yet this represents a cost in time and baiting materials. Based on climate change projections, we predicted that annual and seasonal livestock decrease would remain in the same range at horizon 2050 and horizon 2100. These results pinpoint difficulties in maintaining livestock for beekeepers in Kenya and provide clues for strategies to pursue in the context of climate change.
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 | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».