Wolves choose ambushing locations to counter and capitalize on the sensory abilities of their prey
Notice bibliographique
Résumé
Abstract Comprehensive knowledge of ambush behavior requires an understanding of where a predator expects prey to be, which is generally unknowable because ambush predators often hunt mobile prey that exhibit complex, irregular, or inconspicuous movements. Wolves (Canis lupus) are primarily cursorial predators, but they use ambush strategies to hunt beavers (Castor canadensis). Terrestrial beaver activity is predictable because beavers use well-defined, conspicuous habitat features repeatedly. Thus, studying where wolves wait-in-ambush for beavers provides a unique opportunity to understand how predators choose ambush locations in relation to prey activity. We searched 11 817 clusters of GPS locations from wolves in the Greater Voyageurs Ecosystem, International Falls, MN, and documented 748 ambushing sites and 214 instances where wolves killed beavers. Wolves chose ambush locations: 1) with olfactory concealment to avoid detection from the highly developed olfactory senses of beavers and 2) close (generally <5 m) to beaver habitat features to take advantage of beavers’ inability to visually detect motionless predators. Our work describes in detail the ambush strategies wolves use to hunt beavers and continues to overturn the traditional notion that wolves rely solely on cursorial hunting strategies. We also demonstrate that ambush predators can anticipate the movements and behavior of their prey due to a fundamental understanding of their prey’s sensory abilities. Wolves, therefore, and likely ambush predators in general, appear capable of simultaneously accounting for abiotic and biotic factors when choosing ambush locations, ultimately allowing them to counter and capitalize on the sensory abilities of their 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 | 0,000 | 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) | 0,001 | 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 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 ».