Pollinators utilize both traditional and forb-supplemented set-aside fields in agriculture
Notice bibliographique
Résumé
Agriculture relies on pollinators, yet paradoxically, agricultural practices can harm them, including through habitat simplification. The diversification of agricultural landscapes may support pollinators by providing varied foraging and habitat resources. Grassland set-asides are often established on farms to restore soils for crop productivity, and may have the co-benefit of providing resources for pollinators. Set-asides may also be supplemented with forbs for enhanced pollinator benefit, but few studies have investigated pollinator use of these fields compared to crop fields, and across set-aside management practices. Here, we use passive traps and net surveys to assess the flower-visiting insect community in three farm field types; traditional (grass-dominant) set-asides, forb-supplemented set-asides, and non-pollinator-dependent crop reference fields, to evaluate the potential for each to provide resources for pollinators. We found higher abundance of putative wild pollinators in forb-supplemented set-asides compared to crop fields, and higher species diversity in traditional set-asides compared to crop fields. Bumble bees were more abundant in both set-aside types compared to crops, while honey bees visited flowers in forb-supplemented sites the most. The diversity of wild pollinators and abundance of bumble bees in traditional set-asides occurred despite their lack of floral supplementation, suggesting that they may support pollinators by providing other resources (i.e., nesting or graminoid nutritional resources). We demonstrate that pollinators utilize both traditional and forb-supplemented grassland set-asides more than non-pollinator-dependent crop fields. Future studies to elucidate specific resource use by pollinators in set-asides across management types are needed. • We evaluated pollinator communities in grassland set-asides compared to crop fields. • Forb-supplemented set-asides had higher pollinator abundance than crop fields. • Traditional set-asides had higher pollinator diversity than crop fields. • Set-asides across two management types show potential to support 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 | 0,000 | 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) | 0,000 | 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 ».