Food selection in the black howler monkey following habitat disturbance: implications for the importance of mature leaves
Notice bibliographique
Résumé
Abstract: Primates commonly consume leaves that are high in protein but low in digestion-inhibiting fibre. Due to the fact that mature leaves do not meet these criteria, they are typically avoided and many leaf-eating primates select for leaves high in protein and low in fibre leading to the theory that food selection is based on protein maximization. However, feeding records for a population of black howler monkey (Alouatta pigra) in Monkey River, Belize, collected over a 5-y period, together with synchronous phenological data, indicate that this population does not meet the expectation and actually prefer mature leaves. This study aims to describe the nutritional composition of the food supply and investigate the possibility that, rather than to maximize protein ingestion, mature leaves are eaten to balance nutrient intake. Macronutrient analyses (moisture, lipids, protein, NDF, ADF and simple sugars) were conducted on a sample of 96 plant samples from 18 food species of this population of black howler. Results reported here show that mature leaves eaten by howlers in this forest contain sufficient protein to meet minimum metabolic requirements (range: 11.6–24%; mean: 16.4% ± 3.8%) and have significantly higher concentrations of simple sugars than young leaves (means of 7.2% ± 2.7% vs. 4.4% ± 2.3% respectively). Thus, it appears that mature leaf ingestion is likely serving to balance energy and protein intake. This result may be due to the disruptive effects of a hurricane in 2001 that resulted in a loss of 80% of the howler population, changed forest composition and may have affected plant chemistry. Despite this, the data reported here suggest that the accepted view that mature leaves are simply fallback foods for primates, eaten only in times of preferred food scarcity, may have to be revised.
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».