Influence of landscape structure on the functional groups of an aphidophagous guild: Active-searching predators, furtive predators and parasitoids
Notice bibliographique
Résumé
A lot of studies focusing on the effect of agricultural landscapes demonstrate that many arthropod species are influenced by landscape structure. In particular, non–crop areas and landscape diversity are often associated with a higher abundance and diversity of natural enemies in fields. Numerous studies focused on the influence of landscape structure on ground beetles, spiders and ladybeetles but few on other natural enemies or different functional groups. Thus, the objective of the present study was to determine the influence of landscape structure on the functional groups, i.e., active-searching predators, furtive predators and parasitoids of aphidophagous guilds. Natural enemies were sampled on milkweed infested with aphids, growing along the borders of ditches adjacent to cornfields. The sampling occurred weekly from June to September in 2006 and 2007, in the region of Lanaudière (Quebec, Canada). The landscapes within a radius 200 and 500 m around each site were analyzed. The abundance, richness and species composition (based on functional groups) of natural enemies were related to landscape structure. The results indicated that landscape structure explained up to 21.6% of the variation in natural enemy assemblage and confirm the positive effects of non-crop areas and landscape diversity. A lower influence of landscape structure on species composition was observed (6.4 to 8.8%) and varied greatly among the functional groups. Coccinellidae and furtive predators were the group most influenced by landscape structure. In conclusion, the influence of landscape varied greatly among the different species of the same functional group.
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 ».