Identification of Plant Species for Crop Pollinator Habitat Enhancement in the Northern Prairies
Notice bibliographique
Résumé
Wild pollinators have a positive impact on the productivity of insect-pollinated crops. Consequently, landowners are being encouraged to maintain and grow wildflower patches to provide habitat for important pollinators. Research on plant-pollinator interaction matrices indicates that a small number of “core” plants provide a disproportionately high amount of pollen and nectar to insects. This matrix data can be used to help design wildflower plantings that provide optimal resources for desirable pollinators. Existing interaction matrices from three tall grass prairie preserves in the northern prairies were used to identify core plant species that are visited by wild pollinators of a common insect-pollinated crop, namely canola (Brassica napus L.). The wildflower preferences of each insect taxon were determined using quantitative insect visitation and floral abundance data. Phenology data were used to calculate the degree of floral synchrony between the wildflowers and canola. Using this information I ranked the 41 wildflowers that share insect visitors with canola according to how useful they are for providing pollinators with forage before and after canola flowers. The top five species were smooth blue aster (Symphyotrichum laeve (L.) A. & D. Löve), stiff goldenrod (Solidago rigida L.), wild bergamot (Monarda fistulosa L.), purple prairie-clover (Dalea purpurea Vent.) and Lindley’s aster (Symphyotrichum ciliolatum (Lindl.) A. & D. Löve). By identifying the most important wild insects for crop pollination, and determining when there will be “pollen and nectar gaps”, appropriate plant species can be selected for companion plantings to increase pollinator populations and crop production.
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 | 0,001 | 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 ».