Evaluating the effects of large marine predators on mobile prey behavior across subtropical reef ecosystems
Notice bibliographique
Résumé
The indirect effect of predators on prey behavior, recruitment, and spatial relationships continues to attract considerable attention. However, top predators like sharks or large, mobile teleosts, which can have substantial top-down effects in ecosystems, are often difficult to study due to their large size and mobility. This has created a knowledge gap in understanding how they affect their prey through nonconsumptive effects. Here, we investigated how different functional groups of predators affected potential prey fish populations across various habitats within Biscayne Bay, FL. Using baited remote underwater videos (BRUVs), we quantified predator abundance and activity as a rough proxy for predation risk and analyzed key prey behaviors across coral reef, sea fan, seagrass, and sandy habitats. Both predator abundance and prey arrival times to the bait were strongly influenced by habitat type, with open homogenous habitats receiving faster arrival times by prey. Other prey behaviors, such as residency and risk-associated behaviors, were potentially driven by predator interaction. Our data suggest that small predators across functional groups do not have large controlling effects on prey behavior or stress responses over short temporal scales; however, habitats where predators are more unpredictable in their occurrence (i.e., open areas) may trigger risk-associated behaviors such as avoidance and vigilance. Our data shed new light on the importance of habitat and context for understanding how marine predators may influence prey behaviors in marine ecosystems.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».