Digging into the behaviour of an active hunting predator: arctic fox prey caching events revealed by accelerometry
Notice bibliographique
Résumé
BACKGROUND: Biologging now allows detailed recording of animal movement, thus informing behavioural ecology in ways unthinkable just a few years ago. In particular, combining GPS and accelerometry allows spatially explicit tracking of various behaviours, including predation events in large terrestrial mammalian predators. Specifically, identification of location clusters resulting from prey handling allows efficient location of killing events. For small predators with short prey handling times, however, identifying predation events through technology remains unresolved. We propose that a promising avenue emerges when specific foraging behaviours generate diagnostic acceleration patterns. One such example is the caching behaviour of the arctic fox (Vulpes lagopus), an active hunting predator strongly relying on food storage when living in proximity to bird colonies. METHODS: We equipped 16 Arctic foxes from Bylot Island (Nunavut, Canada) with GPS and accelerometers, yielding 23 fox-summers of movement data. Accelerometers recorded tri-axial acceleration at 50 Hz while we obtained a sample of simultaneous video recordings of fox behaviour. Multiple supervised machine learning algorithms were tested to classify accelerometry data into 4 behaviours: motionless, running, walking and digging, the latter being associated with food caching. Finally, we assessed the spatio-temporal concordance of fox digging and greater snow goose (Anser caerulescens antlanticus) nesting, to test the ecological relevance of our behavioural classification in a well-known study system dominated by top-down trophic interactions. RESULTS: The random forest model yielded the best behavioural classification, with accuracies for each behaviour over 96%. Overall, arctic foxes spent 49% of the time motionless, 34% running, 9% walking, and 8% digging. The probability of digging increased with goose nest density and this result held during both goose egg incubation and brooding periods. CONCLUSIONS: Accelerometry combined with GPS allowed us to track across space and time a critical foraging behaviour from a small active hunting predator, informing on spatio-temporal distribution of predation risk in an Arctic vertebrate community. Our study opens new possibilities for assessing the foraging behaviour of terrestrial predators, a key step to disentangle the subtle mechanisms structuring many predator-prey interactions and trophic networks.
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 ».