Flowering overlap and floral trait similarity help explain the structure of pollination networks
Notice bibliographique
Résumé
Abstract Co‐flowering communities are usually characterized by high plant generalization but knowledge of the underlying factors leading to high levels of generalization and pollinator sharing, and how these may contribute to network structure is still limited. Flowering phenology and floral trait similarity are considered among the most important factors determining plant generalization and pollinator sharing. However, these have been evaluated independently even though they can act in concert with each other. Moreover, the importance of flowering phenology and floral similarity, via their effects on plant generalization, in the structure of plant–pollinator networks has been scarcely studied. Here, we aim to evaluate the effect of flowering phenology and floral similarity in mediating the degree of pollinator sharing and plant generalization in two coastal communities and uncover their importance as drivers of plant–pollinator network structure. We recorded flower production per species, as well as the identity and frequency of floral visitors along the entire flowering season. We estimated the degree of flowering overlap, the degree of floral similarity (using floral traits associated with size and colour) and the degree of pollinator sharing among plant species within both communities. Structural equation models (SEM) showed a positive effect of flowering overlap on pollinator sharing and plant generalization. Pollinator sharing and plant generalization positively affected network nestedness. Furthermore, SEM showed a direct positive effect of flowering overlap on network modularity. The SEM analyses also revealed a significant interaction effect of floral similarity and flowering overlap on pollinator sharing, with consequences for network nestedness in one community. Synthesis . Our results highlight the importance of integrating multiple axes of differentiation such as flowering phenology and floral similarity into our understanding of the drivers of plant–pollinator network structure.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».