Effect of scavenging on predation in a food web
Notice bibliographique
Résumé
Scavenging can have important consequences for food web dynamics, for example, it may support additional consumer species and affect predation on live prey. Still, few food web models include scavenging. We develop a dynamic model that includes two facultative scavenger species, which we refer to as the predator or scavenger species according to their natural scavenging propensity, as well as live prey, and a carrion pool to show ramifications of scavenging for predation in simple food webs. Our modeling suggests that the presence of scavengers can both increase and decrease predator kill rates and overall predation in model food webs and the impact varies (in magnitude and direction) with context. In particular, we explore the impact of the amount of dynamics (exploitative competition) allowed in the predator, scavenger, and prey populations as well as the direction and magnitude of interference competition between predators and scavengers. One fundamental prediction is that scavengers most likely increase predator kill rates, especially if there are exploitative feedback effects on the prey or carrion resources like is normally observed in natural systems. Scavengers only have minimal effects on predator kill rate when predator, scavenger, and prey abundances are kept constant by management. In such controlled systems, interference competition can greatly affect the interactions in contrast to more natural systems, with an increase in interference competition leading to a decrease in predator kill rate. Our study adds to studies that show that the presence of predators affects scavenger behavior, vital rates, and food web structure, by showing that scavengers impact predator kill rates through multiple mechanisms, and therefore indicating that scavenging and predation patterns are tightly intertwined. We provide a road map to the different theoretical outcomes and their support from different empirical studies on vertebrate guilds to provide guidance in wildlife management.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».