Functional flower traits and their diversity drive pollinator visitation
Notice bibliographique
Résumé
Recent studies have shown that the diversity of flowering plants can enhance pollinator richness and visitation frequency and thereby increase the resilience of pollination. It is assumed that flower traits explain these effects, but it is still unclear which flower traits are responsible, and knowing that, if pollinator richness and visitation frequency are more driven by mass‐ratio effects (mean trait values) or by trait diversity. Here, we analyse a three‐year data set of pollinator observations collected in a European grassland plant diversity experiment (The Jena experiment). The data entail comprehensive flower trait measurements, including reward traits (nectar and pollen amount), morphological traits (height, symmetry, area, colour spectra) and chemical traits (nectar‐amino acid and nectar‐sugar concentration). We test if pollinator species richness and visitation frequency of flower communities depend on overall functional diversity combining all flower traits within a community, single trait diversities (within trait variation) and community‐weighted means of the single traits, using Bayesian inference. Overall functional diversity did not affect pollinator species richness, but reduced visitation frequency. When looking at individual flower traits separately, we found that single trait diversity of flower reflectance and flower morphology were important predictors of pollinator visitation frequency. Moreover, independent of total flower abundance, community‐weighted means of flower height, area, reflectance, nectar‐sugar concentration and nectar‐amino acid concentration strongly affected both pollinator species richness and visitation frequency. Our results, challenge the idea that functional diversity always positively affects ecosystem functions. Nonetheless, we demonstrate that both single trait diversity and mass‐ratio effects of flower traits play an important role for diverse and frequent flower visits, which underlines the functionality of flower traits for pollination services.
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 ».