Use of fecal analysis to determine seasonal changes in the diet of wintering Harlequin Ducks at a herring spawning site
Notice bibliographique
Résumé
Few data are available on seasonal changes in winter diet of Harlequin Ducks (Histrionicus histrionicus), especially in relation to their use of Pacific herring (Clupea pallasi) spawn. We used fecal analyses to determine seasonal changes in Harlequin Duck winter diet at a site where Pacific herring spawn. We measured frequency of occurrence and relative abundance by volume of prey remains in 202 fecal samples collected during four date periods in 1998 and 1999. These two measures were highly correlated. We identified snails, crabs, limpets, and chitons as the principal animal prey, and ranked relative importance of most prey types in similar order as previous studies using stomach analyses. Crabs parts constituted the majority of prey remains during molt, and we concluded that crabs were dominant in the diet during molt because crabs generally have greater organic content and less hard-part remains per unit of body mass than other hard-shelled prey consumed at that time. Snail remains were highest in frequency of occurrence during winter. Herring eggs were not detected in feces until a week after herring spawned, but abrupt changes in other prey types indicated that herring eggs were the principal prey throughout the spawn period. Polychaetes increased in importance in winter and spring, and rated third in frequency of occurrence in spring. We recommend using fecal analyses to determine frequency of occurrence of prey in the diet of other sea-ducks that are known to feed on hard-shelled molluscs and crustaceans. Measures of relative abundance of prey remains can be useful if conversion factors relating hard-part remains to whole-body biomass are available.
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) | 0,002 | 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 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 ».