Prevalence and patterns of scavenging by brown bears (<i>Ursus arctos</i>) on salmon (<i>Oncorhynchus</i> spp.) carcasses
Notice bibliographique
Résumé
Scavenging, an underappreciated mechanism of prey consumption for many predators, can contribute substantially to nutritional intake. Facultative scavengers such as brown bears (Ursus arctos Linnaeus, 1758) may both kill and scavenge Pacific salmon (genus Oncorhynchus Suckley, 1861), though the extent of scavenging and factors affecting this behavior are unclear. We tagged 899 sockeye salmon (Oncorhynchus nerka (Walbaum in Artedi, 1792)) carcasses and placed them on streambanks over 5 years at multiple sites in southwestern Alaska (USA) where brown bears annually prey on spawning sockeye salmon. Examination of carcasses revealed overall scavenging rates of 15% after 1 day and 54% after 3 days. Scavenging rate varied by site and year and increased throughout the salmon run. Contrary to predictions, scavenging was more frequent in senescent or bear-killed carcasses than ripe carcasses. Carcass consumption ranged from minimal to almost complete; body and brain tissues were most frequently consumed after 3 days (68% and 63% of carcasses, respectively). We also documented secondary scavenging (i.e., tissue consumption on two separate events) and delayed scavenging (i.e., scavenging observed after 3 days but not 1 day). Taken together, the results indicated that scavenging in these streams contributes significantly to total consumption of salmon by bears, with ramifications for other components of these salmon-dependent 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 | 0,000 |
| 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 ».