Pollinators respond positively to urban green space enhancements using wild and ornamental flowers
Notice bibliographique
Résumé
Abstract Pollinator diversity and abundance are under direct threat from human activities. Despite societal dependence on pollinators for crop production, humankind continues to drive pollinator declines through agricultural intensification and urbanisation. Urban environments can provide refuge to some pollinators. There is a need, however, to understand how pollinator communities can be supported in these areas while also considering human needs. Public green spaces provide a promising avenue to target plant–pollinator conservation measures in an urban setting due to their large area, high abundance and low plant–pollinator biodiversity. We used a paired design to compare the plant community, pollinator community and plant–pollinator interactions of (i) public urban green spaces enhanced with wildflower meadows and pollinator‐friendly ornamental plantings to (ii) control unenhanced urban green spaces. The planting types within enhanced sites were also separately compared. Our results show that not only was the diversity of the overall pollinator community higher in enhanced than control sites, but also the complexity of some wild Hymenoptera and the abundance of Diptera pollinator groups. The negative impact of urbanisation on some pollinator groups was reduced in enhanced sites compared with control sites. Planting both pollinator‐friendly ornamental plants and wildflower meadows significantly increased the visits from Diptera and the diversity in the plant–pollinator community compared with wildflower plantings alone. Our results suggest that enhancing public spaces for pollinators has positive effects on key groups and can help mitigate the impacts of urbanisation. Non‐native ornamental plants can also play a role in enhancing green spaces for pollinators while maintaining their recreational functions. This supports a mixed‐planting approach for improving public green spaces in urban areas for both people and nature.
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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».