Complementary food resources of carnivory and frugivory affect local abundance of an omnivorous carnivore
Notice bibliographique
Résumé
A major unresolved question for omnivorous carnivores, like most species of bears, is to what degree are populations influenced by bottom–up (food supply) or top–down (human‐caused mortality) processes. Most previous work on bear populations has focused on factors that limit survival (top–down) assuming little effect of food resource supply. When food resources are considered, most often they consider only the availability/supply of a single resource, particularly marine‐subsidized or terrestrial sources of protein (carnivory) or alternately hard or soft mast (frugivory). Little has been done to compare the importance of each of these factors for omnivorous bears or test whether complementary resources better explain individual animal and population measures such as density, vital rates, and body size. We compared landscape patterns of digestible energy (kcal) for buffaloberry (a key source of carbohydrate) and ungulate matter (a key source of protein and lipid) to local measures in grizzly bear Ursus arctos abundance at DNA hair snag sites in west‐central Alberta, Canada. We tested support for bottom–up hypotheses in either single (carnivory [meat] versus frugivory [fruit]) or complementary (additive or multiplicative) food resources, while accounting for a well‐known top–down limiting factor affecting bear survival (road density). We found support for both top–down and bottom–up factors with complementary resources (co‐limitation) supported over single resource supplies of either meat or fruit. Our study suggests that the availability of food resources that provide complementary nutrients is more important in predicting local bear abundance than single foods or nutrients (e.g. protein) or simply energy per se. This suggests a nutritionally multidimensional bottom–up limitation for a low density interior population of grizzly bears.
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 | 0,001 |
| 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 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 ».