Distributional patterns of a marine bird and its prey: habitat selection based on prey and conspecific behaviour
Notice bibliographique
Résumé
We examined distributional patterns of a pursuit-diving seabird, the common murre Uria aalge, and its fish prey, capelin Mallotus villosus, within the avian foraging range of the largest murre colony in eastern North America: Funk Island, Newfoundland. During chick-rearing, the foraging habitat was previously partitioned into: (1) a high-quality area, 45 km from the colony where energyrich capelin schools were found, which were spatially and temporally persistent and (2) a low-quality area, 60 km from the colony where schools were composed of lower-energy capelin that were ephemeral. At the scale of the foraging range (meso-scale: 1 to 100 km), murres were highly clustered into 25% of the surveyed area, with fewer murres in the low-quality relative to the high-quality area. There were tighter associations among murre and capelin aggregations in the low-quality (1.2 0.2 km) relative to the high-quality area (2.6 0.4 km). This likely resulted from the divergent capelin behaviour and, thus, different foraging strategies used by murres to search for (e.g. memory vs local enhancement) and capture prey. At fine spatial scales (250 m 2 ) within foraging areas, murres were found at lower densities (mode: 2 murres), revealing that interference competition among individuals may be important during prey capture. Modeling revealed that at > 50 murres per 250 m 2 in the highquality area, a murre would have a > 90% chance of increasing its foraging efficiency by switching to forage in the low-quality area. Overall, this scale-dependent aggregative behaviour of murres suggests that cooperative foraging among conspecifics may be important in locating prey at the scale of a foraging range, or murres may simply aggregate in areas of high prey abundance, but competitive interactions among conspecifics become important at the scale of prey capture.
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 | 0,001 |
| 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 ».