Configurational crop heterogeneity increases within-field plant diversity
Notice bibliographique
Résumé
1. Increasing landscape heterogeneity by restoring semi-natural elements to reverse farmland biodiversity declines is not always economically feasible or acceptable to farmers due to competition for land. We hypothesized that increasing the heterogeneity of the crop mosaic itself, hereafter referred to as crop heterogeneity, can have beneficial effects on within-field plant diversity. 2. Using a unique multi-country dataset from a cross-continent collaborative project covering 1451 agricultural fields within 432 landscapes in Europe and Canada, we assessed the relative effects of compositional and configurational crop heterogeneity on within-field plant diversity components. We also examined how these relationships were modulated by the position within the field. 3. We found strong positive effects of configurational crop heterogeneity on within-field plant alpha and gamma diversity in field interiors. These effects were as high as the effect of semi-natural cover. In field borders, effects of crop heterogeneity were limited to alpha diversity. We suggest that a heterogeneous crop mosaic may overcome the high negative impact of management practices on plant diversity in field interiors, whereas in field borders, where plant diversity is already high, landscape effects are more limited. 4. Synthesis and applications. Our study shows that increasing configurational crop heterogeneity is beneficial to within-field plant diversity. It opens up a new effective and complementary way to promote farmland biodiversity without taking land out of agricultural production. We therefore recommend adopting manipulation of crop heterogeneity as a specific, effective management option in future policy measures, perhaps adding to agri-environment schemes, to contribute to the conservation of farmland plant diversity.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».