Competition, predation, and migration: individual choice patterns of Serengeti migrants captured by hierarchical models
Notice bibliographique
Résumé
Large‐herbivore migrations occur across gradients of food quality or food abundance that are generally determined by underlying geographic patterns in rainfall, elevation, or latitude, in turn causing variation in the degree of interspecific competition and the exposure to predators. However, the role of top‐down effects of predation as opposed to the bottom‐up effects of competition for resources in shaping migrations is not well understood. We studied 30 GPS radio‐collared wildebeest and zebra migrating seasonally in the Serengeti‐Mara ecosystem to ask how predation and food availability differentially affect the individual movement patterns of these co‐migrating species. A hierarchical analysis of movement trajectories (directions and distances) in relation to grass biomass, high‐quality food patches, and predation risk show that wildebeest tend to move in response to food quality, with little attention to predation risk. In contrast, individual zebra movements reflect a balance between the risk of predation and the access to high‐quality food of sufficient biomass. Our analysis shows how two migratory species move in response to different attributes of the same landscape. Counterintuitively and in contrast to most other animal movement studies, we find that both species move farther each day when resources are locally abundant than when they are scarce. During the wet season when the quality of grazing is at its peak, both wildebeest and zebra move the greatest distances and do not settle in localized areas to graze for extended periods. We propose that this punctuated movement in high‐quality patches is explained by density dependency, whereby large groups of competing individuals (up to 1.65 million grazers) rapidly deplete the localized grazing opportunities. These findings capture the roles of predation and competition in shaping animal migrations, which are often claimed but rarely measured.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».