A molecular approach to identifying the relationship between resource use and availability in Eurasian otters (<i>Lutra</i><i> lutra</i>)
Notice bibliographique
Résumé
In South Korea, the Eurasian otter (Lutra lutra (Linnaeus, 1758)), a semi-aquatic carnivore, is found mainly in lower order streams that tend to have a low abundance of preferred prey fish species. To investigate the relationship between resource use and availability, we used DNA barcoding to identify otter diet items in 24 otter spraints (faeces) from 16 sites along the Nakdong River basin from 4 to 6 June 2014. At these sites fish availability was assessed using scoop nets and casting nets. Fish formed the bulk of otter diet, which included also frogs, mammals, and reptiles. By DNA barcoding (success rate: 72.38%), we identified 79 prey items from 105 bone remains. The diet comprised mostly fish, but frogs, mammals, and reptiles were also identified. The fish fauna and otter diet composition differed significantly. Across the study sites, members of the Cyprinidae dominated in netted samples, but occurred less frequently in otter diet. Because most Cyprinidae are fast swimmers, otters also fed on benthic fishes and frogs, suggesting limited foraging flexibility in otters and specialization on more slowly moving prey.
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 | 0,001 | 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 ».