Prey Patch Patterns Predict Habitat Use by Top Marine Predators with Diverse Foraging Strategies
Notice bibliographique
Résumé
Spatial coherence between predators and prey has rarely been observed in pelagic marine ecosystems. We used measures of the environment, prey abundance, prey quality, and prey distribution to explain the observed distributions of three co-occurring predator species breeding on islands in the southeastern Bering Sea: black-legged kittiwakes (Rissa tridactyla), thick-billed murres (Uria lomvia), and northern fur seals (Callorhinus ursinus). Predictions of statistical models were tested using movement patterns obtained from satellite-tracked individual animals. With the most commonly used measures to quantify prey distributions--areal biomass, density, and numerical abundance--we were unable to find a spatial relationship between predators and their prey. We instead found that habitat use by all three predators was predicted most strongly by prey patch characteristics such as depth and local density within spatial aggregations. Additional prey patch characteristics and physical habitat also contributed significantly to characterizing predator patterns. Our results indicate that the small-scale prey patch characteristics are critical to how predators perceive the quality of their food supply and the mechanisms they use to exploit it, regardless of time of day, sampling year, or source colony. The three focal predator species had different constraints and employed different foraging strategies--a shallow diver that makes trips of moderate distance (kittiwakes), a deep diver that makes trip of short distances (murres), and a deep diver that makes extensive trips (fur seals). However, all three were similarly linked by patchiness of prey rather than by the distribution of overall biomass. This supports the hypothesis that patchiness may be critical for understanding predator-prey relationships in pelagic marine systems more generally.
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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».