Novel data support model linking floral resources and honey bee competition with bumble bee abundances in coastal scrub
Notice bibliographique
Résumé
Growing evidence supports that many bee populations are declining, with potentially serious consequences for pollination services. Mechanistic models that predict bee abundances from drivers like floral resource availability can be a powerful way to understand and address declines, but remain rare and largely unvalidated. I used temporally and spatially novel data to validate previous analyses linking bumble bee ( Bombus spp.) declines in California coastal scrub with loss of floral resources, mediated by drought and competition with non-native honey bees ( Apis mellifera ). New observations from 2015-2018 were combined with data from 1999-2014 to further test these mechanistic hypotheses and evaluate predictions of a statistical model for Bombus abundances. As predicted, positive associations between spring rainfall and floral abundances and between Bombus and key forage plants were consistent between time periods. Increased A. mellifera abundance corresponded with reduced Bombus use of the most abundant forage plant and lower Bombus abundances in the following year. Quantitative predictions from the Bombus statistical model previously developed for 1999-2014 were relatively unbiased and strongly rank correlated with either spatially or temporally novel data. However, the model consistently underpredicted Bombus abundances when both flower patch and time period were novel. Overall, four new years of data further strengthen evidence that loss of floral resources due to drought and competition with feral Apis mellifera is an important cause of Bombus decline in this habitat. These findings reinforce the value of even simple models that are mechanistically framed, both in understanding past patterns of change and for qualitative prediction.
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 ».