The role of echolocation strategies for niche differentiation in bats
Notice bibliographique
Résumé
Guilds subdivide bat assemblages into basic structural units of species with similar patterns of habitat use and foraging modes, but do not explain mechanisms of niche differentiation. Bats have evolved four different echolocation strategies allowing the access to four different trophic niche spaces differing in niche dimensions. Bats foraging in open and edge spaces use the “aerial hawking or trawling strategy” and detect and localize prey by evaluating pulse–echo trains in which the prey echo is unmasked. The pulse–echo pairs deliver mainly positional information on the prey and only little information on its nature. Signals are highly variable and are adapted for detection and localization in open space and (or) edge space. In narrow space, bats identify prey by solving a pattern recognition task. Bats using the “flutter detecting strategy” evaluate glint pattern in prey echoes; bats using the “active gleaning strategy” evaluate the spectral–temporal pattern of the prey–clutter echo complex; and bats using the “passive gleaning strategy” evaluate the pattern of prey-generated cues to find food and use echolocation only for spatial orientation. The less variable signals of narrow space bats are adapted for pattern recognition. The diverse and species-rich tropical bat assemblage at Barro Colorado Island, Panama, is here used as an exemplar for assigning bats to guilds, and we discuss the role of echolocation and other adaptations for niche differentiation within guilds.
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) | 0,000 | 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 ».