Increasing crop heterogeneity enhances multitrophic diversity across agricultural regions
Notice bibliographique
Résumé
Agricultural landscape homogenization has detrimental effects on biodiversity and key ecosystem services. Increasing agricultural landscape heterogeneity by increasing seminatural cover can help to mitigate biodiversity loss. However, the amount of seminatural cover is generally low and difficult to increase in many intensively managed agricultural landscapes. We hypothesized that increasing the heterogeneity of the crop mosaic itself (hereafter "crop heterogeneity") can also have positive effects on biodiversity. In 8 contrasting regions of Europe and North America, we selected 435 landscapes along independent gradients of crop diversity and mean field size. Within each landscape, we selected 3 sampling sites in 1, 2, or 3 crop types. We sampled 7 taxa (plants, bees, butterflies, hoverflies, carabids, spiders, and birds) and calculated a synthetic index of multitrophic diversity at the landscape level. Increasing crop heterogeneity was more beneficial for multitrophic diversity than increasing seminatural cover. For instance, the effect of decreasing mean field size from 5 to 2.8 ha was as strong as the effect of increasing seminatural cover from 0.5 to 11%. Decreasing mean field size benefited multitrophic diversity even in the absence of seminatural vegetation between fields. Increasing the number of crop types sampled had a positive effect on landscape-level multitrophic diversity. However, the effect of increasing crop diversity in the landscape surrounding fields sampled depended on the amount of seminatural cover. Our study provides large-scale, multitrophic, cross-regional evidence that increasing crop heterogeneity can be an effective way to increase biodiversity in agricultural landscapes without taking land out of agricultural production.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».