Spatiotemporal patterns of forest pollinator diversity across the southeastern United States
Notice bibliographique
Résumé
Abstract Aim Efforts to understand how pollinating insect diversity is distributed across large geographic areas are rare despite the importance of such work for conserving regional diversity. We sought to relate the diversity of bees (Hymenoptera: Apoidea), hover flies (Diptera: Syrphidae), and butterflies (Lepidoptera) to ecoregion, landscape context, canopy openness, and forest composition across southeastern U.S. forests. Location Nineteen experimental forests across nine states in the southeastern U.S. Methods We established 5–7 plots on each experimental forest. In each, we sampled pollinators monthly (March–September) using coloured pan traps, and collected data on local forest characteristics. We used the National Land Cover Database (NLCD) to quantify surrounding landcover at different spatial scales. Results Bee richness was negatively correlated with both the amount of conifer (pine) forest and the extent of wetlands in the surrounding landscape but was positively correlated with canopy openness. Hover flies and butterflies were less sensitive to landscape context and stand conditions. Pollinator communities differed considerably among ecoregions, with those of the Central Appalachian and Coastal Plain ecoregions being particularly distinct. Bee richness and abundance peaked 2 months earlier in Central Appalachia than in the Coastal Plain and Southeastern Mixed Forest ecoregions. Main Conclusions Our findings reveal ecoregional differences in pollinator communities across the southeastern U.S. and highlight the importance of landscape context and local forest conditions to this diverse fauna. The closed broadleaf forests of Appalachia and the open conifer‐dominated forests of the Coastal Plain support particularly distinct pollinator communities with contrasting seasonality. Our results suggest pine forests may reduce pollinator diversity in regions historically dominated by broadleaf forests. However, efforts to create more open canopies can help improve conditions for pollinators in planted pine forests. Research exploring associations between forest pollinators and different broadleaf tree taxa is needed to better anticipate the impacts of various management activities.
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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».