Variation in Pollination: Causes and Consequences for Plant Reproduction
Notice bibliographique
Résumé
Pollen dispersal by animals varies extensively because of differences in pollinator visitation rates among plants, dissimilar pollination by the various pollinators that visit individual plants, and stochastic variation in deposition as an individual pollinator disperses a plant's pollen to subsequently visited recipient flowers. Such variation reduces expected female and male success if seed production decelerates with increasing pollen receipt, because less than average receipt diminishes mean seed production more than copious pollination increases it (Jensen's inequality). We report empirical studies of the nature and magnitude of pollen dispersal variance, which provide the basis for a numerical model of the consequences of dispersal for expected seed production. Model fitting revealed that dispersal of Brassica napus pollen by bumblebees and especially butterflies exhibited much more variation than is expected of a binomial process and was best modeled as a beta-binomial process with a constant mean. Overdispersion arose primarily during pollen dispersal by individual insects, since differences between individuals of the same pollinator type were limited. Our model revealed variance limitation as a previously unrecognized, substantial, and ubiquitous component of pollen limitation of seed production. Variance limitation should select for floral traits that increase pollinator visitation, reduce dispersal variance, or reduce the postpollination nonlinearities that cause Jensen's inequality.
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 ».