Trait‐mediated foraging drives patterns of selective predation by native and invasive coral‐reef fishes
Notice bibliographique
Résumé
Abstract As the geographic ranges of species are increasingly altered by forces such as biological invasion and climate change, when and where will strong biotic interactions arise within reassembling communities? Prey selectivity data are often of limited use for predicting future consumptive interactions because they are specific to the identity and relative abundance of species in past assemblages. Here, we investigate whether the strength of consumptive interactions can be predicted based on a priori knowledge of behavioral traits that are hypothesized to affect the predation process and recur across species. To test this approach, we conducted multi‐species foraging trials with coral‐reef fishes in the Bahamas, a diverse, trait‐rich fauna for which interactions are likely shifting rapidly due to the introduction of predatory Indo‐Pacific lionfish. We evaluated predictions about the combined effects of three behavioral traits—water column position of both predator and prey, anti‐predator aggregation behavior of prey, and hunting strategy of predators—on successive phases of the predation process and ultimately the strength of predator–prey interactions. Tracking predator and prey behaviors revealed that inter‐specific variation in traits mediated relative encounter, attack, and capture rates between different predators and prey. Behaviorally driven bottlenecks at different stages of the process underpinned selective consumption by each predator species, resulting in large differences in total mortality rates among prey species. Our analysis also suggests that unique behaviors exhibited by invasive lionfish, rather than naïve responses by prey, mediate their high foraging success relative to native predators. Our results illustrate how incorporating a priori knowledge about foraging and anti‐predator traits can improve predictions of the strength of emergent consumptive interactions caused by global change.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».