Lower marine productivity increases agonistic interactions between sea lions and fur seals in Northern Pacific Patagonia
Notice bibliographique
Résumé
Abstract Interspecific interactions are key drivers of individual and population-level fitness in a wide range of animals. However, in marine ecosystems, it is relatively unknown which biotic and abiotic factors impact behavioral interactions between competing species. We assessed the impact of weather, marine productivity, and population structure on the behavioral agonistic interactions between South American fur seals (SAFSs), Arctocephalus australis, and South American sea lions (SASLs), Otaria byronia, in a breeding colony of SAFS. We hypothesized that agonistic interactions between SAFSs and SASLs respond to biotic and abiotic factors such as SAFS population structure, marine productivity, and weather. We found that SASL and SAFS interactions almost always resulted in negative impacts on the social structure or reproductive success of the SAFS colony. SASL adult males initiated stampedes of SAFS and/or abducted and predated SAFS pups. Adult SAFS males abundance and severe weather events were negatively correlated with agonistic interactions between species. However, proxies for lower marine productivity such as higher sea surface temperature and lower catches of demerso-pelagic fish were the most important predictors of more frequent agonistic interactions between SAFS and SASL. Under the current scenario of decline in marine biomass due to global climate change and overfishing, agonistic interactions between competing marine predators could increase and exacerbate the negative impacts of environmental change in these species.
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 | 0,002 |
| Intégrité de la recherche | 0,000 | 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 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 ».