MétaCan
Menu
Retour à la cohorte
Enregistrement W4200554082 · doi:10.1002/ecy.3614

<scp>CropPol</scp>: A dynamic, open and global database on crop pollination

2021· article· en· W4200554082 sur OpenAlexaff
Alfonso Allen‐Perkins, Ainhoa Magrach, Matteo Dainese, Lucas A. Garibaldi, David Kleijn, Romina Rader, James R. Reilly, Rachael Winfree, Ola Lundin, C. M. McGrady, Claire Brittain, David J. Biddinger, Derek R. Artz, Elizabeth Elle, George D. Hoffman, Jamie Ellis, Jaret C. Daniels, Jason Gibbs, Joshua W. Campbell, Julia Brokaw, Julianna K. Wilson, Keith S. Mason, Kimiora L. Ward, K. B. Gundersen, Larry J. Gut, Logan Rowe, Natalie K. Boyle, Neal M. Williams, Neelendra K. Joshi, Nikki L. Rothwell, Robert L. Gillespie, Rufus Isaacs, Shelby J. Fleischer, Stephen Peterson, Sujaya Rao, Theresa L. Pitts‐Singer, Thijs P. M. Fijen, Virginie Boreux, Maj Rundlöf, Blandina Felipe Viana, Alexandra‐Maria Klein, Henrik G. Smith, Riccardo Bommarco, Luísa G. Carvalheiro, Taylor H. Ricketts, Jaboury Ghazoul, Smitha Krishnan, Faye Benjamin, João Loureiro, Sílvia Castro, Nigel E. Raıne, G.A. de Groot, Finbarr G. Horgan, Juliana Hipólito, Guy Smagghe, Ivan Meeus, Maxime Eeraerts, Simon G. Potts, Claire Kremen, Daniel Garcı́a, Marcos Miñarro, David W. Crowder, Gideon Pisanty, Yael Mandelik, Nicolas J. Vereecken, Nicolas Leclercq, Timothy Weekers, Sandra Lindström, Dara A. Stanley, Carlos Zaragoza‐Trello, Charlie Nicholson, Jeroen Scheper, Carlos Rad, Evan A.N. Marks, Lucie Mota, Bryan N. Danforth, Mia Park, Antônio Diego M. Bezerra, Breno Magalhães Freitas, Rachel E. Mallinger, Fabiana Oliveira da Silva, Bryony K. Willcox, Davi de Lacerda Ramos, Felipe Deodato da Silva e Silva, Amparo Lázaro, David Alomar, Miguel A. González‐Estévez, Hisatomo Taki, Daniel P. Cariveau, Michael P. D. Garratt, Diego N. Nabaes Jodar, Rebecca Stewart, Daniel Ariza, Matti Pisman, Elinor M. Lichtenberg, Christof Schüepp, Félix Herzog, Martin H. Entling, Yoko Luise Dupont, Charles D. Michener, Gretchen C. Daily, Paul R. Ehrlich, Katherine L. W. Burns, Montserrat Vilà, Andrew Robson, Brad G. Howlett, Leah Blechschmidt, Frank Jauker, Franziska Schwarzbach, Maike Nesper, Tim Diekötter, Volkmar Wolters, Helena Castro, Hugo Gaspar, Brian A. Nault, Isabelle Badenhausser, Jessica D. Petersen, Teja Tscharntke, Vincent Bretagnolle, D. Susan Willis Chan, Natacha P. Chacoff, Georg K.S. Andersson, Shalene Jha, Jonathan F. Colville, Ruan Veldtman, Jeferson G. E. Coutinho, Felix J.J.A. Bianchi, Louis Sutter, Matthias Albrecht, Philippe Jeanneret, Yi Zou, Anne L. Averill, Agustín Sáez, Amber R. Sciligo, Carlos Vergara, Elias H. Bloom, Liesl Oeller, Ernesto I. Badano, Gregory M. Loeb, Heather Grab, Johan Ekroos, Vesna Gagić, Saul A. Cunningham, Jens Åström, Pablo Cavigliasso, Alejandro Trillo, Alice Claßen, Alice L. Mauchline, Ana Montero‐Castaño, Andrew Wilby, Ben A. Woodcock, C. Sheena Sidhu, Ingolf Steffan‐Dewenter, Ioannis Ν. Vogiatzakis, José M. Herrera, Mark Otieno, Mary Gikungu, Sarah Cusser, Thomas Nauß, L. Anders Nilsson, Jessica Knapp, Jorge J. Ortega‐Marcos, José A. González, Juliet L. Osborne, Rosalind Blanche, Rosalind F. Shaw, Violeta Hevia, Jane C. Stout, Anthony D. Arthur, Betina Blochtein, Hajnalka Szentgyörgyi, Jin Li, Margaret M. Mayfield, Michał Woyciechowski, Patrícia Nunes‐Silva, Rosana Halinski, Steve Henry, Benno I. Simmons, Bo Dalsgaard, Katrine Hartung Hansen, Tuanjit Sritongchuay, Alison D. O'Reilly, Fermín J. Chamorro, Guiomar Nates Parra, Camila Magalhães Pigozzo, Ígnasi Bartomeus

Notice bibliographique

RevueEcology · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensUniversity of ManitobaUniversity of GuelphSimon Fraser University
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilNederlandse Organisatie voor Wetenschappelijk OnderzoekNatural Environment Research CouncilSight Research UK
Mots-clésPollinationCropEcologyGeographyBiologyAgroforestryPollen

Résumé

récupéré en direct d'OpenAlex

Seventy five percent of the world's food crops benefit from insect pollination. Hence, there has been increased interest in how global change drivers impact this critical ecosystem service. Because standardized data on crop pollination are rarely available, we are limited in our capacity to understand the variation in pollination benefits to crop yield, as well as to anticipate changes in this service, develop predictions, and inform management actions. Here, we present CropPol, a dynamic, open, and global database on crop pollination. It contains measurements recorded from 202 crop studies, covering 3,394 field observations, 2,552 yield measurements (i.e., berry mass, number of fruits, and fruit density [kg/ha], among others), and 47,752 insect records from 48 commercial crops distributed around the globe. CropPol comprises 32 of the 87 leading global crops and commodities that are pollinator dependent. Malus domestica is the most represented crop (32 studies), followed by Brassica napus (22 studies), Vaccinium corymbosum (13 studies), and Citrullus lanatus (12 studies). The most abundant pollinator guilds recorded are honey bees (34.22% counts), bumblebees (19.19%), flies other than Syrphidae and Bombyliidae (13.18%), other wild bees (13.13%), beetles (10.97%), Syrphidae (4.87%), and Bombyliidae (0.05%). Locations comprise 34 countries distributed among Europe (76 studies), North America (60), Latin America and the Caribbean (29), Asia (20), Oceania (10), and Africa (7). Sampling spans three decades and is concentrated on 2001-2005 (21 studies), 2006-2010 (40), 2011-2015 (88), and 2016-2020 (50). This is the most comprehensive open global data set on measurements of crop flower visitors, crop pollinators and pollination to date, and we encourage researchers to add more datasets to this database in the future. This data set is released for non-commercial use only. Credits should be given to this paper (i.e., proper citation), and the products generated with this database should be shared under the same license terms (CC BY-NC-SA).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,440
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,261
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcologyMême sujetPlant and animal studiesTravaux en français237 207