Foraging behaviour and optimal microhabitat selection in Yukon River Basin nonanadromous Dolly Varden Charr (<i>Salvelinus malma</i>)
Notice bibliographique
Résumé
Abstract Species conservation requires understanding the mechanistic processes of habitat selection and their effects on fitness. Nonetheless, there are few fitness‐based habitat selection models for aquatic organisms. We examined multiple aspects of foraging behaviour of nonanadromous Dolly Varden Charr ( Salvelinus malma ) in Panguingue Creek, Alaska, USA and applied these data to test a fitness‐based microhabitat selection model. Velocity negatively affected prey capture success, positively affected holding velocity, and had no effect on reactive distance. Dominance was a better predictor of prey capture success than length difference between competitors, but there was no relationship between these variables and holding velocity or reactive distance. We used the velocity–prey capture success relationship to parameterise the microhabitat habitat selection model and compared the predicted optimal holding velocity to the 95% confidence interval (24.9–29.3 cm/s) of holding velocities occupied by Dolly Varden ( N = 29) in Panguingue Creek. The prediction of 24.0 cm/s fell just slightly (0.9 cm/s) outside the lower limit of the confidence interval; the model barely failed to predict holding velocity for this species in Panguingue Creek. Although this discrepancy fell within measurement error, model failure also may have been due to influence of high turbulence on fish holding velocities in the creek, low sample sizes imposed by permitting limitations, or field logistical issues. The relationship between velocity and prey capture success is an important aspect of drift feeder habitat selection. Our optimal holding velocity prediction for Dolly Varden should aid in the management and conservation of this 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 | 0,000 | 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) | 0,002 | 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 ».