Studying the sensory ecology of frog‐biting midges (Corethrellidae: Diptera) and their frog hosts using ecological interaction networks
Notice bibliographique
Résumé
Abstract Investigating species interaction networks has advanced the understanding of the robustness of ecosystems, the impact of species invasions, resource partitioning and the coevolution of interacting species. Here, we present a 10‐year study of the relationships between frog‐biting midges ( Corethrella ) and their frog hosts in tropical lowland forests across northern Borneo. We use quantitative bipartite host‐ectoparasite networks to explore this unusual relationship. Across northern Borneo, nine species of frog‐biting midges were found to bite 29 species of frogs. Overall, 378 individual Corethrella were found on 93 individual frogs. We compare the network structure between two forest types in Brunei Darussalam: a lowland mixed‐dipterocarp rainforest and a peatswamp forest. Results indicate that both antagonistic interaction networks were relatively specialized at the community level and show significant nestedness. The degree of specialization was higher in the rainforest than in the peatswamp suggesting higher diversity of midge sensory perception and frog avoidance strategies in the rainforest. At the species level, the specialization of midges as well as their frog hosts was highly variable in both networks suggesting that some frog species are better at avoiding being bitten by Corethrella than others. Frog species parasitized by midges had calls of low dominant frequencies suggesting that the spectral bandwidth of hearing in midges could influence host selection. Despite this, some frog species that call above 4 kHz have not escaped parasitism. We explore the role of habitat filtering, behavior and coevolution in shaping network structure.
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 ».