No description available.

No description available.

No description available.

L’abeille mellifère (Apis mellifera) occupe une place centrale dans nos systèmes agro-alimentaires et écologiques. En plus de produire du miel, l’espèce assure un rôle crucial pour la pollinisation d’un grand nombre de cultures, améliorant les récoltes tant en qualité qu’en quantité. Depuis une vingtaine d’années, les apiculteurs constatent dans leurs colonies des taux de mortalité plus élevés que la normale. Si cette tendance s’observe sur plusieurs continents, c’est en Amérique du Nord que les apiculteurs sont le plus affectés, avec des taux de mortalité hivernale dépassant les 40 %. La perte d’habitats et des habitats inadéquats sont parmi les facteurs les plus souvent mis en cause dans les dernières études. Ce mémoire présente une analyse des différents habitats afin de mesurer les effets du paysage environnant sur la mortalité. Pour ce faire, des images satellites et des nouveaux ensembles massifs de données sur la santé des ruches au Québec ont pu être mobilisés. Ce mémoire présente un cadre méthodologique prometteur pour une analyse géographique des effets du paysage avec de grands jeux de données. Les méthodes utilisées font appel à l’analyse spatiale par système d’information géographique et à des modèles d’apprentissage automatique. Un domaine d’étude récent a émergé de la combinaison de ces techniques: l’intelligence artificielle géospatiale, ou GéoIA. Deux cas d’études furent réalisés dans ce mémoire: un premier sur l’apiculture urbaine et un second sur l’apiculture commerciale. En ville, nos principaux résultats révèlent l’importance de la végétation locale autour de la ruche, ainsi que l’effet négatif d’un paysage urbain fragmenté limitant la connectivité. En apiculture commerciale, on trouve qu'une plus grande diversité de cultures est bénéfique dans un rayon de cinq kilomètres, mais que l'effet se dissipe au fur et à mesure que la distance de mesure se réduit. On observe aussi qu’une abondance de ressources florales en milieu de saison est cruciale pour la survie de la colonie. Dans l’ensemble, la performance prédictive des modèles utilisés dans ce mémoire confirme la solidité du GéoIA comme cadre d’analyse de pointe offrant des outils puissants et généralisables pour mener des études géographiques à grande échelle. / The honeybee (Apis mellifera) plays a central role in our agri-food and ecological systems. Beyond honey production, the species plays a crucial role in pollinating a large number of crops, improving harvests in terms of both quality and quantity. Over the last twenty years or so, beekeepers have observed much higher-than-normal mortality rates in their colonies. While this trend can be observed on several continents, it is in North America that beekeepers are most affected, with winter mortality rates sometimes exceeding 40%. Habitat loss and unsuitable habitats are among the explaining factors most often suspected in recent studies. This thesis presents an analysis of different habitats to measure the effects of the surrounding landscape. To this end, satellite images and massive new datasets on beehive health in Quebec were mobilized. This thesis also presents a promising methodological framework for the geographical analysis of landscape effects with large datasets. The methods used fall within the framework of spatial analysis, geographic information systems and machine learning models. A recent field of study has emerged from the combination of these techniques: geospatial artificial intelligence, or GeoAI. Two case studies were carried out in this thesis: the first on urban beekeeping and the second on commercial beekeeping. In urban beekeeping, our main results reveal the importance of local vegetation around the hive, as well as the negative effect of a fragmented urban landscape limiting connectivity. In commercial beekeeping, we first observe that greater crop diversity is beneficial at a radius of five kilometers, but that the effect dissipates as the measuring distance is reduced. We also found that an abundance of mid-season floral resources is crucial for colony survival. More generally, the predictive performance of the models used in the presented studies confirms the strength of GeoAI as a state-of-the-art analytical framework offering powerful and generalizable tools for conducting large-scale geographical studies.

No description available.

No description available.

No description available.

No description available.

No description available.

No description available.