Abstract:The fauna of Euglossini bees is poorly known in savanna regions, making it difficult to understand how these bees use open vegetation environments. The aim of this study was to evaluate the influence of landscape structure on species abundance and composition of Euglossini bees in naturally heterogeneous savanna landscapes. Nine sites were sampled monthly using six traps with chemical baits. Three aromatic essences (eucalyptol, methyl salicylate and vanillin) were used to attract the Euglossini. Surrounding environmental conditions were measured using three independent variables, calculated in multiple scales: index of local vegetation and two landscape indices (Shannon Diversity and area-weighted shape). We compared the competing hypotheses through model selection based on Second-order Akaike Information Criterion (AICc). The four competing hypothesis were: (1) The local vegetation complexity favors Euglossini bees species richness and/or abundance (local vegetation hypothesis); (2) The proportion of the native vegetation types favors Euglossini bees species richness and/or abundance (habitat amount hypothesis); (3) Higher landscape diversity shall increase species richness of Euglossini bees (landscape heterogeneity hypothesis); (4) More complex landscape configuration shall favor the Euglossini bees richness and/or abundance (landscape heterogeneity hypothesis). We sampled 647 individuals belonging to six species of two distinct genera. Our results support the habitat amount hypothesis since bees' abundance was strongly related with the proportion of habitat in the surrounding landscape. This may be related to the availability of floral and nesting resources in some types of savanna vegetation. Keywords: bees, habitat amount hypothesis, landscape heterogeneity, landscape configuration Influência da estrutura da paisagem na composição de Euglossini em ambientes com vegetação abertaResumo: A fauna das abelhas da tribo Euglossini é pouco conhecida em regiões de savana, tornando difícil a compreensão de como essas abelhas usam ambientes com vegetação aberta. O objetivo desse estudo foi avaliar a influência da estrutura da paisagem na abundância e composição de espécies de abelhas Euglossini em paisagens naturalmente heterogêneas de savana. Nove locais foram amostrados mensalmente utilizando seis armadilhas com iscas químicas. As essências eucaliptol, salicilato de metila e vanilina foram utilizadas para atrair os machos de Euglossini. As condições ambientais foram medidas usando três variáveis, calculadas em múltiplas escalas: índice de vegetação local e dois índices de paisagem (diversidade de Shannon e o índice de forma ponderado pela área). Através da seleção de modelos baseada no critério de informação de Akaike de segunda ordem (AICc) comparamos as hipóteses alternativas: (1) Vegetação local mais complexa favorece as abelhas Euglossini (hipótese da vegetação local); (2) A proporção dos tipos de vegetação nativas favorece as abelhas Euglossini (hipótese da quantidade habitat); (3) A diversidade da pa...
Bees foraging strategy is affected by the distribution and abundance of flower resources, mainly nectar and pollen. Homing-time of female Xylocopa cearensis (Ducke) bees to their nests was assessed through a simple translocation method. The hypothesis addressed was that resource distribution in the landscape level influences bee homing time. The study area comprises about 300ha in a sand dune field with patchy shrubs in Salvador, Bahia, Brazil. The mean homing time after translocation was 60 min (sd = 4.36 min; n= 03), except for one bee that did not returned. The translocation technique was successfully applied to large solitary bees, since they do return to their own nest and can be easily recognized when arriving. Also, bees returned carrying pollen, what suggests foraging activity after translocations. Results evidence landscape functional connectivity since bees were able to move through local habitats. Further studies should address movement cost tradeoffs and its consequences on bee diversity conservation.
Esse trabalho teve como objetivo geral avaliar comparativamente a eï¬ciência dos quatros algoritmos paramétricos de classiï¬cação supervisionada por pixel mais utilizados no mapeamento da cobertura do solo, em uma área sob domínio do Cerrado que apresenta uma vegetação heterogênea, complexa e extremamente dinâmica, situada no Parque Municipal de Mucugê (12º59'18"S e 41º20'22''W). Para isso foi utilizado uma imagem de alta resolução espacial (KOMPSAT-2). Os algoritmos escolhidos foram de máxima verossimilhança, paralelepípedo e a distância Euclidiana mínima e de Mahalanobis. Para comparar e veriï¬car qual foi o algoritmo paramétrico que teve o melhor desempenho foram calculadas duas medidas que foram discordância de quantidade e de alocação baseado em uma matriz de erro. Para avaliar se as classes produzidas pelo melhor classiï¬cador representavam bem a variação estrutural da vegetação da área de estudo foi realizada uma análise de variância (ANOVA) e o teste post-hoc de Tukey. De modo geral, o algoritmo que apresentou melhor desempenho e que representou melhor a variação da estrutura da vegetação foi o de máxima verossimilhança. Considerando o resultado obtido conclui-se que o algoritmo de máxima verossimilhança é o mais adequado, dentre as possibilidades testadas nesse estudo para realizar mapeamentos de áreas de vegetação nativas naturalmente heterogêneas. Esse estudo pode ter grande utilidade para conservação, monitoramento e gestão de ambientes naturais.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.