Floral traits and environmental factors regulate insects visits to flowering plants at night
Notice bibliographique
Résumé
Flower-visiting insects have co-evolved with flowering-plants. While it has been shown that floral traits and environmental factors influence insects visitations during the day, it is yet unclear how these factors influence insects visitations at night. We sampled a montane meadow located near Jilin in northeastern China in July and August in 2019, 4 nights each month, and two time periods each night. We sampled 94 flower-visiting insect species in total and documented the floral traits and ambient factors. First, focusing on the insects functions, we allocated all insects into three functional groups (pollination, predation, and feeding). We found that most nocturnal insects exhibited predation behavior, and they had the highest species turnover rate. Second, focusing on the environmental factors, we found that ambient temperature and relative humidity strongly influence the diversity of flower-visiting insects. Variation partitioning analysis further suggested that ambient temperature has a stronger effect on the flowering-visiting insects at early night, while the relative humidity has a stronger effect on the flowering-visiting insects at late night. Third, focusing on floral traits, we found that most insects have a preference for flowers with moderately-sized corolla diameters (20 to 30 mm). Furthermore, display size had a strong linear correlation with flowering-visiting insect species richness and frequency of presence. In sum, our findings suggest that ambient temperature, relative humidity, and floral display size strongly regulate nocturnal flower-visiting insects.
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 | 0,000 | 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) | 0,001 | 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 ».