USE OF SPATIAL FEATURES BY FORAGING INSECTIVOROUS BATS IN A LARGE URBAN LANDSCAPE
Notice bibliographique
Résumé
Abstract We analyzed the patterns of habitat use by insectivorous bats in Mexico City, one of the largest and most populated cities of the world. We tested the hypotheses that richer patches of food, expected in more vegetated areas, have higher bat activity levels, and that fast-flying species benefit most from urbanization. We compared activity of insectivorous species and relative abundance of insects in 5 habitats (large parks, small parks, illuminated open areas, residential areas, and natural forest). Sampling of bat activity and insects was conducted every 2 weeks in 12 sites per habitat during summer 2002. Measures of bat activity were based on 3,600 one-minute sequences of sound that were recorded and analyzed. The average number of taxa per site was significantly higher in the natural forest than in urban habitats, but overall bat activity was significantly higher in large parks and illuminated open areas than in small parks, residential areas and natural forest. Vespertilionid bats (Eptesicus fuscus, Myotis, and an unidentified species), along with Eumops perotis, occurred almost exclusively in extensive green areas (large parks or natural forest). The molossid Nyctinomops macrotis made the broadest use of the urban–natural mosaic, whereas Tadarida brasiliensis used urban sites (illuminated areas and large parks) more intensively. Insect abundance was higher in large parks and natural forest, and it was significantly correlated with overall bat activity and with the number of taxa recorded per site. The observed patterns of habitat use and foraging can be explained by considering the flight and echolocation performance of species. Although some species successfully exploited highly urbanized sites, large areas with vegetation are needed to maintain the most diverse insectivorous bat fauna in Mexico City.
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 | 0,000 |
| 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 ».