Hunting patterns and geographic profiling of white shark predation
Notice bibliographique
Résumé
Abstract Predators can play important roles in structuring their communities through top‐down effects on the distribution and abundance of their prey. Sharks are top predators in many marine communities, yet few studies have quantified those factors influencing their distribution and hunting behaviour. Here, we use location data from 340 predatory interactions between white sharks Carcharodon carcharias (Linnaeus), and Cape fur seals Arctocephalus pusillus pusillus (Schreber), data on associated environmental factors, and spatial analysis, including a novel application of geographic profiling – a tool originally developed to analyse serial crime – to investigate spatial patterns of shark attack and search behaviour at Seal Island in False Bay, South Africa. We found that spatial patterns of shark predation at this site are nonrandom. Sharks appear to possess a well‐defined search base or anchor point, located 100 m seaward of the seal's primary island entry–exit point. This location is not where chances of intercepting seals are greatest and we propose it may represent a balance among prey detection, capture rates, and competition. Smaller sharks exhibit more dispersed prey search patterns and have lower predatory success rates than larger conspecifics, suggesting possible refinement of hunting strategy with experience or competitive exclusion of smaller sharks from the most profitable hunting locations. As many of the features of this system will be common to other instances of foraging, our conclusions and approach employed may have implications and applications for understanding how large predators hunt and for studying other predator–prey systems.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».