Pollen Removal and Deposition by Pollen- and Nectar-Collecting Specialist and Generalist Bee Visitors to <i>Iliamna bakeri</i> (Malvaceae)
Notice bibliographique
Résumé
Up to 60% of the bee species of a region are oligolectic; they collect pollen only from a closely related group of plants though nectar-collecting choices are often broader. Bee specialists are expected to be superior to generalists in gathering pollen from their host plants and perhaps in transferring pollen to host stigmas. We used the oligolege Diadasia nitidifrons and its pollen-host Iliamna bakeri to ask if specialists 1) were more efficient than generalists as pollen-collectors; 2) deposited more pollen on stigmas than generalists; and 3) if pollen-collectors removed and deposited more pollen than did nectar-collectors. We found support for the first and third hypotheses. Diadasia pollen- and nectar-collectors removed more pollen per flower-visit than did their primary generalist competitors (Agapostemon spp.). The superior pollen-gathering efficiency of Diadasia exceeded differences that might be attributed to size: although Agapostemon females are, on average, 12.5% smaller than Diadasia females, pollen-collecting Agapostemon left 22.9% more pollen in flowers than did Diadasia. We found no difference between taxa in time spent foraging on a single flower. Diadasia and Agapostemon pollen-collectors deposited significantly more pollen on I. bakeri stigmas than did nectar-collectors; there was no difference between taxa in pollen deposition. Diadasia was superior to generalists as a pollinator in two ways: Diadasia was 1) a more reliable presence in I. bakeri populations; and 2) always most abundant at I. bakeri flowers. The association between D. nitidifrons and I. bakeri appears to be another example of a highly specialised bee affiliated with an unspecialised host-plant.
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 ».