MétaCan
Menu
Retour à la cohorte
Enregistrement W2100092940 · doi:10.1371/journal.pone.0050096

Cost of Living Dictates what Whales, Dolphins and Porpoises Eat: The Importance of Prey Quality on Predator Foraging Strategies

2012· article· en· W2100092940 sur OpenAlexaff
Jérôme Spitz, Andrew W. Trites, Vanessa Becquet, Anik Brind’Amour, Yves Cherel, Robert Galois, Vincent Ridoux

Notice bibliographique

RevuePLoS ONE · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesLa Rochelle UniversitéAgence Nationale de la Recherche
Mots-clésPredationForagingBiologyOptimal foraging theoryEcologyApex predatorPredatorMarine ecosystemEcosystemZoology

Résumé

récupéré en direct d'OpenAlex

Understanding the mechanisms that drive prey selection is a major challenge in foraging ecology. Most studies of foraging strategies have focused on behavioural costs, and have generally failed to recognize that differences in the quality of prey may be as important to predators as the costs of acquisition. Here, we tested whether there is a relationship between the quality of diets (kJ · g(-1)) consumed by cetaceans in the North Atlantic and their metabolic costs of living as estimated by indicators of muscle performance (mitochondrial density, n = 60, and lipid content, n = 37). We found that the cost of living of 11 cetacean species is tightly coupled with the quality of prey they consume. This relationship between diet quality and cost of living appears to be independent of phylogeny and body size, and runs counter to predictions that stem from the well-known scaling relationships between mass and metabolic rates. Our finding suggests that the quality of prey rather than the sheer quantity of food is a major determinant of foraging strategies employed by predators to meet their specific energy requirements. This predator-specific dependence on food quality appears to reflect the evolution of ecological strategies at a species level, and has implications for risk assessment associated with the consequences of changing the quality and quantities of prey available to top predators in marine ecosystems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,335

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,098
Tête enseignante GPT0,284
Écart entre enseignants0,187 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations131
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetMarine animal studies overviewTravaux en français237 207