Comparison of grassland plant-pollinator networks on dairy farms in three contrasting French landscapes
Notice bibliographique
Résumé
Temperate grasslands provide both habitats and flower resources for pollinators in agricultural landscapes. Plant-pollinator networks change according to local and landscape variables, which are important to identify to help conserve pollinators in grasslands. We analysed plant-pollinator networks in 18 grasslands on experimental dairy farms located in three French regions contrasting by their climate, altitude, landscape or management. We combined visual surveys and pollen DNA barcoding. Our objectives were to determine which environmental factors influence pollinator taxa abundance and diversity and differences among the visual plant-pollinator networks in the three farming regions. Flower-visiting insects were trapped in six grasslands per farm during three sessions from mid-April to mid-July along fixed 400 m2 transects. Insects were identified individually to the lowest taxonomic rank possible. Pollen carried by insects was identified using nuclear ribosomal ITS2 sequences belonging to the NCBI nucleotide database. The size and diversity of plant-pollinator networks were much larger and higher in permanent grasslands at the two farms located in lowlands (Mirecourt) and mountains (Marcenat) than those at the farm with temporary grasslands and a crop landscape (Lusignan), but the degree of specialisation (H2′) was relatively similar and low (mean of 0.46). Diptera, especially Empididae and Syrphidae, represented most plant-pollinator interactions in Mirecourt and Marcenat, while Hymenoptera were more abundant at Lusignan. The percentage of semi-natural habitats in 500 m buffers and vegetation height explained 23% of the variance in pollinator abundance. Ranunculus sp. Knautia arvensis, Centaurea jacea and Trifolium repens were key plant species in the networks. DNA metabarcoding of pollen loads identified 114 genera in addition to those identified by visual observations (+34–42 per site), reflecting insects’ floral pathways and differences in the immediate landscape among farms. This study highlighted the importance of Diptera in plant-pollinator networks and the need to conserve permanent grassland diversity to conserve pollinators.
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 ».