MétaCan
Menu
Retour à la cohorte
Enregistrement W2770116014 · doi:10.1101/220038

Predator-prey feedback in a gyrfalcon-ptarmigan system?

2017· preprint· en· W2770116014 sur OpenAlexfundno aff
Frédéric Barraquand, Ólafur K. Nielsen

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2017
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueAnimal Ecology and Behavior Studies
Établissements canadiensnon disponible
Organismes subventionnairesLabEx COTEAgence Nationale de la RecherchePeregrine FundNational Geographic SocietyArctic Institute of North AmericaAndrew W. Mellon Foundation
Mots-clésPopulation cyclePredationPredatorPopulationLagopusEcologyBiologyDemography

Résumé

récupéré en direct d'OpenAlex

Abstract Specialist predators with oscillating dynamics are often strongly affected by the population dynamics of their prey, yet they do not always participate in a predator-prey cycle. Only those that exert strong population regulation of their prey do so. Inferring the strength and direction of the predator-prey coupling from time series therefore requires contrasting models with top-down versus bottom-up predator-prey dynamics. We examine such population-level coupling using multivariate autoregressive models. The models translate several hypotheses for the joint dynamics of population densities of the Icelandic gyrfalcon Falco rusticolus , and its prey, the rock ptarmigan Lagopus muta . The dynamics of both species are likely not only linked to each other but also to stochastic weather variables acting as confounding factors on the joint dynamics. The classical MAR(1) model, used most often in ecology, predicts that the times series exhibit predator-prey feedback (i.e., Granger causality): the predator helps to explain prey dynamics and the prey helps to explain predator dynamics. Weather, in the form of spring temperature, influences gyrfalcon population growth but not ptarmigan population growth, despite individual-level evidence that ptarmigan chicks can be strongly affected by weather. MAR(2) models, allowing for species to cycle independently from each other, further suggests alternative scenarios where a cyclic prey influence its predator but not the other way around; such bottom-up models produce a better fit but less realistic cross-correlation patterns. Simulations of MAR(1) and MAR(2) models further demonstrate that the top-down MAR(1) models are most likely to be misidentified as bottom-up dynamics than vice-versa. We therefore conclude that predator-prey feedback in the gyrfalcon-ptarmigan system is very likely, though bottom-up dynamics cannot be excluded with certainty. We finally discuss what sort of information is needed to advance the characterization of joint predator-prey dynamics in birds and other vertebrates.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,231
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetAnimal Ecology and Behavior StudiesTravaux en français237 207