Optimal prey switching: Predator foraging costs provide a mechanism for functional responses in multi‐prey systems
Notice bibliographique
Résumé
Foragers must balance the costs and gains inherent in the pursuit of their next meal. Classical functional response formulations describe consumption rates driven by prey density and are naive to predator foraging costs. Here, we integrated foraging costs into functional responses to add mechanism and precision to foundational ideas. Specifically, using a model system with a single predator and two prey, we express a functional response emerging from variable energy and time costs of each predation phase: searching, attacking, or consuming prey. The utility of our model is explored through a focused example where prey can exert variable influence on predator foraging costs through antipredator traits. Dissimilarity between prey in their foraging costs influence the energy gain rate of the predator through optimal prey switching. We found that a small subset of prey antipredator traits and density conditions generated a stabilizing Type III (sigmoidal) functional response-the pattern often thought to typify a generalist predator switching between prey species. The sigmoid functional response occurred for highly profitable prey only when the costly prey (1) were at a high density and (2) their antipredator traits increased energy or time costs following an encounter. We outline testable predictions regarding foraging costs from our model. We provide guidance on how to apply optimal foraging theory to empirical scenarios where predator foraging costs vary due to prey type, predator type, or environmental conditions. Our framework represents a synergy of foundational and contemporary theory across disciplines, facilitating the discovery of shared principles and context-dependent variation across varied predator-prey 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».