Pollinator Diversity and Floral Calendar of Forage Resources for Pumpkin, Machakos County, Kenya
Notice bibliographique
Résumé
The abundance and diversity of bees correlate with the abundance and diversity of forage resources. Pollinator reservoirs in croplands can augment pollination of flowering crops by increasing pollinator diversity and abundance. Therefore, this study provides empirical evidence on the diversity and abundance of alternative forage resources in two landscape classes with pumpkin fields. The study was undertaken in 32 pumpkin farms; 16 for each natural difference vegetation index (NDVI classes). Flowering plants were identified and counted within and around farms at 2 m × 2 m quadrat and 4 m × 50 m belt transect from the middle of the farm towards the exit. Approximately 142 plant species were recorded and their abundance varied between NDVI classes and across months. In the 2 m × 2 m quadrat 6,765 plants were observed in May in low NDVI and 4,399 in medium NDVI were recorded in May. Abundance, diversity and annual floral resource structure for honeybees in low and medium Normalized difference vegetation index (NDVI) classes in Machakos County were determined. The 4 m × 50 m belt transect had the highest numbers of plants (1,434-20,825) and plant species across the months and between NDVI classes. At least 35% of plants remained actively flowering during the sampling period, therefore, can serve as alternative forage sources for pollinators. Our inventory of plants can be used to develop a floral calendar for adoption by farmers for on-farm management of pollinators. The floral calendars will be predictive tools used to detect a correlation between flowering plants, seasons and 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 | 0,001 | 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 | 0,001 | 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 ».