MétaCan
Menu
Retour à la cohorte
Enregistrement W1986408072 · doi:10.1139/z09-011

Altitudinal gradient of Eurasian otter (Lutra lutra) food niche in Mediterranean habitats

2009· article· en· W1986408072 sur OpenAlexvenueno aff
Luigi Remonti, Alessandro Balestrieri, Claudio Prigioni

Notice bibliographique

RevueCanadian Journal of Zoology · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOtterLutraBiologyEcologyTrophic levelMediterranean climatePredationRange (aeronautics)HabitatFishery

Résumé

récupéré en direct d'OpenAlex

The effects of geographical factors, such as latitude and altitude, on climate are known to influence the food habits of predator species distributed over a broad distribution range. A sharp latitudinal gradient in the diet of the Eurasian otter ( Lutra lutra (L., 1758)), that is an increase of trophic diversity from temperate to Mediterranean Europe, has been described recently. Altitude, affecting the diversity of fish assemblages and hence prey availability for otters, could also be a key factor influencing otter diet. With the aim of testing for the presence of an altitudinal gradient in otter diet in the Mediterranean area, we assessed the composition of diet at 24 sampling reaches spread in three main river catchments of southern Italy. The analysis of 1885 spraints revealed that fish were the main prey of otters, followed by amphibians, while other food items were of lesser significance, although crustaceans could be locally important. The altitude of the sampling station was negatively correlated with fish consumption and positively correlated with otter trophic diversity; at higher altitudes, alternative prey (particularly amphibians) were included in otter diet. The reduction of fish availability with elevation plays a major role in shaping this dietary pattern. The ability of otters to exploit alternative prey, such as amphibians, could allow the colonization of small rivers sustaining a low fish biomass.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,217
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations57
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ZoologyMême sujetWildlife Ecology and ConservationTravaux en français237 207