High duty cycle echolocation and prey detection by bats
Notice bibliographique
Résumé
There are two very different approaches to laryngeal echolocation in bats. Although most bats separate pulse and echo in time by signalling at low duty cycles (LDCs), almost 20% of species produce calls at high duty cycles (HDCs) and separate pulse and echo in frequency. HDC echolocators are sensitive to Doppler shifts. HDC echolocation is well suited to detecting fluttering targets such as flying insects against a cluttered background. We used two complementary experiments to evaluate the relative effectiveness of LDC and HDC echolocation for detecting fluttering prey. We measured echoes from fluttering targets by broadcasting artificial bat calls, and found that echo amplitude was greatest for sounds similar to those used in HDC echolocation. We also collected field recordings of syntopic LDC and HDC bats approaching an insect-like fluttering target and found that HDC bats approached the target more often (18.6% of passes) than LDC bats (1.2% of passes). Our results suggest that some echolocation call characteristics, particularly duty cycle and pulse duration, translate into improved ability to detect fluttering targets in clutter, and that HDC echolocation confers a superior ability to detect fluttering prey in the forest understory compared with LDC echolocation. The prevalence of moths in the diets of HDC bats, which is often used as support for the allotonic frequency hypothesis, can therefore be partly explained by the better flutter detection ability of HDC bats.
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 ».