Trait‐based diet selection: prey behaviour and morphology predict vulnerability to predation in reef fish communities
Notice bibliographique
Résumé
Understanding how predators select their prey can provide important insights into community structure and dynamics. However, the suite of prey species available to a predator is often spatially and temporally variable. As a result, species-specific selectivity data are of limited use for predicting novel predator-prey interactions because they are assemblage specific. We present a method for predicting diet selection that is applicable across prey assemblages, based on identifying general morphological and behavioural traits of prey that confer vulnerability to predation independent of species identity. We apply this trait-based approach to examining prey selection by Indo-Pacific lionfish (Pterois volitans and Pterois miles), invasive predators that prey upon species-rich reef fish communities and are rapidly spreading across the western Atlantic. We first generate hypotheses about morphological and behavioural traits recurring across fish species that could facilitate or deter predation by lionfish. Constructing generalized linear mixed-effects models that account for relatedness among prey taxa, we test whether these traits predict patterns of diet selection by lionfish within two independent data sets collected at different spatial scales: (i) in situ visual observations of prey consumption and availability for individual lionfish and (ii) comparisons of prey abundance in lionfish stomach contents to availability on invaded reefs at large. Both analyses reveal that a number of traits predicted to affect vulnerability to predation, including body size, body shape, position in the water column and aggregation behaviour, are important determinants of diet selection by lionfish. Small, shallow-bodied, solitary fishes found resting on or just above reefs are the most vulnerable. Fishes that exhibit parasite cleaning behaviour experience a significantly lower risk of predation than non-cleaning fishes, and fishes that are nocturnally active are at significantly greater risk. Together, vulnerable traits heighten the risk of predation by a factor of nearly 200. Our study reveals that a trait-based approach yields insights into predator-prey interactions that are robust across prey assemblages. Importantly, in situ observations of selection yield similar results to broadscale comparisons of prey use and availability, which are more typically gathered for predator species. A trait-based approach could therefore be of use across predator species and ecosystems to predict the outcomes of changing predator-prey interactions on community dynamics.
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 | 0,001 | 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) | 0,003 | 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 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 ».