Functional Responses Shape Node and Network Level Properties of a Simplified Boreal Food Web
Notice bibliographique
Résumé
Ecological communities are fundamentally connected through a network of trophic interactions that are often complex and difficult to model. Substantial variation exists in the nature and magnitude of these interactions across various predators and prey and through time. However, the empirical data needed to characterize these relationships are difficult to obtain in natural systems, even for relatively simple food webs. Consequently, prey-dependent relationships and specifically the hyperbolic form (Holling’s Type II), in which prey consumption increases with prey density but ultimately becomes saturated or limited by the time spent handling prey, are most widely used albeit often without knowledge of their appropriateness. Here, we investigate the sensitivity of a simplified food web model for a natural, boreal system in the Kluane region of the Yukon, Canada to the type of functional response used. Intensive study of this community has permitted best-fit functional response relationships to be determined, which comprise linear (type I), hyperbolic (type II), sigmoidal (type III), prey- and ratio-dependent relationships, and inverse relationships where kill rates of alternate prey are driven by densities of the focal prey. We compare node- and network-level properties for a food web where interaction strengths are estimated using best-fit functional responses to one where interaction strengths are estimated exclusively using prey-dependent hyperbolic functional responses. We show that hyperbolic functional responses alone fail to capture important ecological interactions such as prey switching, surplus killing and caching, and predator interference, that in turn affect estimates of cumulative kill rates, vulnerability of prey, generality of predators, and connectance. Exclusive use of hyperbolic functional responses also affected trends observed in these metrics over time and underestimated annual variation in several metrics, which is important given that interaction strengths are typically estimated over relatively short time periods. Our findings highlight the need for more comprehensive research aimed at characterizing functional response relationships when modeling predator-prey interactions and food web structure and function, as we work toward a mechanistic understanding linking food web structure and community dynamics in natural systems.
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 | 0,001 | 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 | 0,001 |
| 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) | 0,000 | 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 ».