Molecular diet analysis finds an insectivorous desert bat community dominated by resource sharing despite diverse echolocation and foraging strategies
Notice bibliographique
Résumé
Interspecific differences in traits can alter the relative niche use of species within the same environment. Bats provide an excellent model to study niche use because they use a wide variety of behavioral, acoustic, and morphological traits that may lead to multi-species, functional groups. Predatory bats have been classified by their foraging location (edge, clutter, open space), ability to use aerial hawking or substrate gleaning and echolocation call design and flexibility, all of which may dictate their prey use. For example, high frequency, broadband calls do not travel far but offer high object resolution while high intensity, low frequency calls travel further but provide lower resolution. Because these behaviors can be flexible, four behavioral categories have been proposed: (a) gleaning, (b) behaviorally flexible (gleaning and hawking), (c) clutter-tolerant hawking, and (d) open space hawking. Many recent studies of diet in bats use molecular tools to identify prey but mainly focus on one or two species in isolation; few studies provide evidence for substantial differences in prey use despite the many behavioral, acoustic, and morphological differences. Here, we analyze the diet of 17 sympatric species in the Chihuahuan desert and test the hypothesis that peak echolocation frequency and behavioral categories are linked to differences in diet. We find no significant correlation between dietary richness and echolocation peak frequency though it spanned close to 100 kHz across species. Our data, however, suggest that bats which use both gleaning and hawking strategies have the broadest diets and are most differentiated from clutter-tolerant aerial hawking species.
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 | 0,001 | 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 ».