Apex predators and the facilitation of resource partitioning among mesopredators
Notice bibliographique
Résumé
Apex predators may influence carnivore communities through the suppression of competitively dominant mesopredators, however they also provide carrion subsidies that could influence foraging and competition among sympatric mesopredators when small prey is scarce. We assessed coyote Canis latrans and red fox Vulpes vulpes winter diet overlap and composition from scats collected in two study areas with 3‐fold difference in grey wolf Canis lupus density due to a wolf control program. We hypothesized that differences in diet composition would be driven by the use of carrion, and tested whether 1) apex predators facilitate resource overlap, or 2) apex predators facilitate resource partitioning. We estimated the available biomass of snowshoe hares and voles based on pellet density and vole capture rates in each study area. We used molecular analysis to confirm species identification of predator scats, and used microscopic evaluation of prey remains to analyze diet composition of 471 coyote and fox scats. Ungulate carrion, voles and snowshoe hares comprised 73% of coyote and fox diet, and differences in use of carrion and microtines accounted for nearly 60% of the dissimilarity in diet among these canids. Carrion was the top‐ranked item in the coyote diet in both study areas, whereas carrion use by red foxes declined 3‐fold in the study area with higher wolf and small prey abundance. Diet overlap tended to be lower and diet diversity tended to be higher where wolves were more abundant, though these trends were not statistically significant. Taken together, our findings indicate that carrion provisions could facilitate resource partitioning in mesocarnivore communities by alleviating exploitation competition for small mammals.
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) | 0,000 | 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 ».