The cost of a meal: factors influencing prey profitability in Australian fur seals
Notice bibliographique
Résumé
Knowledge of the factors shaping the foraging behaviour of species is central to understanding their ecosystem role and predicting their response to environmental variability. To maximise survival and reproduction, foraging strategies must balance the costs and benefits related to energy needed to pursue, manipulate, and consume prey with the nutritional reward obtained. While such information is vital for understanding how changes in prey assemblages may affect predators, determining these components is inherently difficult in cryptic predators. The present study used animal-borne video data loggers to investigate the costs and benefits related to different prey types for female Australian fur seals ( Arctocephalus pusillus doriferus ), a primarily benthic foraging species in the low productivity Bass Strait, south-eastern Australia. A total of 1,263 prey captures, resulting from 2,027 prey detections, were observed in 84.5 h of video recordings from 23 individuals. Substantial differences in prey pursuit and handling times, gross energy gain and total energy expenditure were observed between prey types. Importantly, the profitability of prey was not significantly different between prey types, with the exception of elasmobranchs. This study highlights the benefit of animal-borne video data loggers for understanding the factors that influence foraging decisions in predators. Further studies incorporating search times for different prey types would further elucidate how profitability differs with prey type.
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 ».