Biotic and abiotic factors contribute to cranberry pollination
Notice bibliographique
Résumé
As bee populations continue to decline, farmers face possible crop failures due to insufficient pollination. Crops, however, vary in the degree to which they depend on pollinators, suggesting that some crops may not be as sensitive to variation in pollinator availability and/or abundance as others. The objective of this study was to determine the contribution of biotic and abiotic factors to cranberry pollination. We performed field and greenhouse experiments to compare the effect of biotic (i.e., bee or hand pollination) and abiotic (i.e., wind, agitation) factors on yield. We found that even in the absence of bees, cranberry is able to produce a significant yield. In the field, plants in the abiotic treatments produced higher yields (wind 230 bbl/ac [barrels per acre], agitation 200 bbl/ac) than the closed control treatment (108 bbl/ac), although these yields were not as high as the open, biotic treatment (367 bbl/ac). This corresponds to a contribution of 41% by bees, 30% by non-bee insects, and 29% by mechanical agitation. In the greenhouse, the agitation treatment had, on average, higher berry weight per upright (0.6 g/upright) than the undisturbed control treatment (0.04 g/upright), but again, not as high as the biotic treatment (3.0 g/upright). This confirmed that cranberry does not autogamously self-pollinate indicating that all yields are due to biotic or abiotic vectors moving pollen between flowers. Although bees clearly contribute to cranberry pollination, previous studies have understated the contribution of alternative mechanisms by which cranberry pollen can move between flowers.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».