Functional connectivity from a reef fish perspective: behavioral tactics for moving in a fragmented landscape
Notice bibliographique
Résumé
Functional connectivity, the degree to which the landscape facilitates or impedes movement, depends on how animals perceive costs and benefits associated with habitat features and integrate them into a movement path. There have been few studies on functional connectivity in marine organisms, despite its importance for the effectiveness of Marine Protected Areas. In this study, we asked how open sand and conspecific distribution affected functional connectivity of longfin damselfish (Stegastes diencaeus) on fringing reefs in Barbados. We translocated 102 individuals to sites varying in sand gap width and in configuration: Continuous (solid reef between release site and territory); Detour (sand along the direct path between release site and territory, but an alternative, continuous solid U-shaped reef path); and Patch (sand between release site and territory, but an alternative stepping stone path). We visually tracked and mapped every homing path. We found no evidence of a barrier to movement in the Continuous configuration, but sand was a partial barrier in Detour and Patch configurations. The probability of crossing the sand gap dropped below 50% when its width was > 1.85 m in Detour and > 3.90 m in Patch configuration. Damselfish avoiding large gaps took detours that approximated the route maximizing travel over reef, but they crossed more short sand gaps and fewer conspecific territories, suggesting avoidance of agonistic interactions. This study quantifies for the first time the size and steepness of a barrier to movement in a marine organism, and it provides evidence for effects of both landscape configuration and conspecific distribution on functional connectivity.
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) | 0,003 | 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 ».