Density‐dependent, central‐place foraging in a grazing herbivore: competition and tradeoffs in time allocation near water
Notice bibliographique
Résumé
Optimal foraging theory addresses one of the core challenges of ecology: predicting the distribution and abundance of species. Tests of hypotheses of optimal foraging, however, often focus on a single conceptual model rather than drawing upon the collective body of theory, precluding generalization. Here we demonstrate links between two established theoretical frameworks predicting animal movements and resource use: central‐place foraging and density‐dependent habitat selection. Our goal is to better understand how the nature of critical, centrally placed resources like water (or minerals, breathing holes, breeding sites, etc.) might govern selection for food (energy) resources obtained elsewhere – a common situation for animals living in natural conditions. We empirically test our predictions using movement data from a large herbivore distributed along a gradient of water availability (feral horses, Sable Island, Canada, 2008–2013). Horses occupying western Sable Island obtain freshwater at ponds while in the east horses must drink at self‐excavated wells (holes). We studied the implications of differential access to water (time needed for a horse to obtain water) on selection for vegetation associations. Consistent with predictions of density‐dependent habitat selection, horses were reduced to using poorer‐quality habitat (heathland) more than expected close to water (where densities were relatively high), but were free to select for higher‐quality grasslands farther from water. Importantly, central‐place foraging was clearly influenced by the type of water‐source used (ponds vs. holes, the latter with greater time constraints on access). Horses with more freedom to travel (those using ponds) selected for grasslands at greater distances and continued to select grasslands at higher densities, whereas horses using water holes showed very strong density‐dependence in how habitat could be selected. Knowledge of more than one theoretical framework may be required to explain observed variation in foraging behavior of animals where multiple constraints simultaneously influence resource selection.
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 | 0,000 | 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) | 0,000 | 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 ».