Individual patterns of prey selection and dietary specialization in an Arctic marine carnivore
Notice bibliographique
Résumé
The cumulative effect of individual‐level foraging patterns may have important consequences for ecosystem functioning, population dynamics and conservation. Dietary specialization, whereby an individual exploits a subset of resources available to the rest of the population, can develop in response to environmental or intrinsic population factors. However, accurate assessment of individual diets may be difficult because analyses of recent food intake may misrepresent foraging variability within a heterogeneous environment. We used quantitative fatty acid signature analysis (QFASA) and a novel index of longitudinal dietary change to examine the individual foraging patterns of 64 polar bears Ursus maritimus successively sampled in Western and Southern Hudson Bay between 1994–2003. Estimated diets varied between and within age and sex classes, with adult male polar bears consuming significantly more bearded seal Erignathus barbatus than adult female or subadult bears, whose diets were dominated by ringed seal Pusa hispida . Among individual adult males, consumption of bearded seal accounted for 0–98% of the diet and bearded seal consumption was positively correlated with individual dietary specialization, as measured by proportional similarity ( PS i ) to the rest of the population. Most individual diets were consistent from year‐to‐year and were therefore not a product of short‐term heterogeneity in prey distribution. However, a novel dietary change index indicated that adult male polar bears had the most temporally variable diets with 23% of adult males switching their diet from predominantly ringed seal to predominantly bearded seal or vice versa. We conclude that QFASA is well‐suited to analyses of individual‐level foraging because it reflects an animal's diet over the preceding weeks to months. The subpopulations of bears in this study were near the southern limit of their species range and have experienced negative individual‐ and population‐level impacts related to sea ice loss and climate warming. The tightly constrained diets of some individuals, particularly adult females and subadults, may make them especially sensitive to future climate change.
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) | 0,003 | 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 ».