Grassland-to-crop conversion in agricultural landscapes has lasting impact on the trait diversity of bees
Notice bibliographique
Résumé
CONTEXT: Global pollinator decline has motivated much research to understand the underlying mechanisms. Among the multiple pressures threatening pollinators, habitat loss has been suggested as a key-contributing factor. While habitat destruction is often associated with immediate negative impacts, pollinators can also exhibit delayed responses over time. OBJECTIVES: We used a trait-based approach to investigate how past and current land use at both local and landscape levels impact plant and wild bee communities in grasslands through a functional lens. METHODS: We measured flower and bee morphological traits that mediate plant-bee trophic linkage in 66 grasslands. Using an extensive database of 20 years of land-use records, we tested the legacy effects of the landscape-level conversion of grassland to crop on flower and bee trait diversity. RESULTS: Land-use history was a strong driver of flower and bee trait diversity in grasslands. Particularly, bee trait diversity was lower in landscapes where much of the land was converted from grassland to crop long ago. Bee trait diversity was also strongly driven by plant trait diversity computed with flower traits. However, this relationship was not observed in landscapes with a long history of grassland-to-crop conversion. The effects of land-use history on bee communities were as strong as those of current land use, such as grassland or mass-flowering crop cover in the landscape. CONCLUSIONS: Habitat loss that occurred long ago in agricultural landscapes alters the relationship between plants and bees over time. The retention of permanent grassland sanctuaries within intensive agricultural landscapes can offset bee decline.
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 ».