Associations between soil characteristics and ground‐nesting bees on farms
Notice bibliographique
Résumé
Abstract Much of the world's agricultural production depends on pollination services provided by wild bees. At the same time, agriculture changes landscapes in ways that can alter bee habitat. However, little is known about the nesting habitat requirements of the many bee species that nest underground. Here, we asked which soil factors influence the abundance, diversity, and community composition of ground‐nesting bees in agroecosystems around Ottawa, Canada. We measured soil characteristics (texture, hardness, slope, and ground cover) and sampled bee communities at 131 plots on 35 farms over a 2‐year period. We identified the ground‐nesting bees to species. We collected 8661 ground‐nesting bees representing 100 species. Ground‐nesting bee abundance and species richness were higher with increased percentages of bare ground and sand, while Simpson's diversity was negatively associated with slope. The abundance of non‐ground‐nesting (cavity‐nesting) bees was not related to any measured soil properties, suggesting that the associations between soil variables and ground‐nesting bees reflect direct effects of soils on these bees, rather than indirect effects mediated by unmeasured variables. Only a small proportion of the variance in ground‐nesting bee community composition was explained by soil factors; however, sand percentage, slope, soil compaction, and bare ground were all significant predictors, reflecting the fact that relationships between soil predictors and ground‐nesting bee taxa were species‐specific. Compared to floral resources, soils have been neglected as components of bee habitat quality, but understanding the soil characteristics preferred by ground‐nesting bees can assist in efforts to protect this important group of 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 | 0,001 | 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 ».