Empty flowers as a pollination-enhancement strategy
Notice bibliographique
Résumé
Question: Can the reproductive benefits gained by mitigating the costs of self-pollination drive the evolution of nectarless flowers? Features of model: Complementary analytical and simulation models determined the optimal proportion of nectarless flowers (‘nectar phenotype’) to maximize male reproductive success. Models considered a range of self-pollination costs and pollinator abundances. In the analytical model, equal numbers of each nectar phenotype were present. Pollinators used simple rules of behaviour, related to their current host plant’s perceived nectar status, to decide whether to stay on that plant or to move to a new plant. In the simulation model, pollinators used more sophisticated departure rules, comparing the current host plant’s perceived nectar status to the population mean. Plants with different proportions of nectarless flowers competed for successful pollination over multiple seasons. Ranges of key variables: Relative cost of self-pollination (0.5–1); number of pollinators acting on a plant population per season (1–101); and proportion of nectarless flowers per plant (0–1). Conclusions: Enhanced pollination success can drive the evolution of empty flowers in plants that are reliant on vector-mediated pollination. When the costs of selfing are low, an inflorescence with a low proportion of nectarless flowers is optimal, because pollination success is primarily determined by pollen removal. When the costs of selfing are high, an inflorescence with mostly nectarless flowers is optimal, because pollination success is primarily determined by outcrossing. Low pollinator abundances lead to a decreased optimal proportion of empty flowers to mitigate pollinator limitation.
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 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».