Bee community responses to a gradient of oak savanna restoration practices
Notice bibliographique
Résumé
North American Midwestern oak ( Quercus spp.) savannas are rare fire‐dependent ecosystems that can support high levels of biodiversity and are the focus of considerable restoration effort due to widespread fire suppression. Due to the predominance of understory forbs in oak savannas, many of which require insect pollination, restoration practices should be evaluated for their potential impacts on pollinator communities. We evaluated bee community responses during the first 2 years of experimental restoration of fire‐suppressed oak savanna in southern Michigan. We used unmanaged references and two different restoration methods (burning only and burning with thinning) to examine the effects of restoration intensity on the abundance, diversity, and functional groups of bees. We found that thinning and burning rapidly increased bee abundance, richness, and Shannon's diversity, relative to unmanaged references, whereas burn‐only restoration largely failed to do so. Thinning and burning also resulted in a distinct bee community after two seasons, while bee communities in burn‐only restoration plots were similar to those from unmanaged references. Differences in bee diversity and community structure between treatments may be due to the influence of restoration on nesting resources, which is reflected in the differential captures of various nesting guilds. Overall, oak savanna restoration by thinning and burning had positive effects on bee diversity, while burning alone only increased bee abundance. We thus illustrate how restoration strategies that typically target plants have broader‐reaching biodiversity benefits. Although restoring savannas through burning alone may eventually shift bee communities, coupling thinning with burning will influence pollinator communities over the shorter term.
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 | 0,001 |
| 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 ».