A comparative methodological approach to studying the diet of a recovering marine predator, the grey seal (<i>Halichoerus grypus</i>)
Notice bibliographique
Résumé
Anthropogenic influences caused depletion and subsequent recovery of marine predators, but ecological consequences of altered predator abundance are not well understood. Although many methods are used to study predator diets, methodological biases and logistical challenges preclude robust sampling schemes. We aimed to compare two non-invasive methods: metabarcoding scat-derived deoxyribonucleic acid and hard parts analysis of scat for the Northwest Atlantic grey seal ( Halichoerus grypus (Fabricius, 1791)), a species that rebounded after near extirpation. We hypothesized that metabarcoding would detect a greater diversity and frequency of prey, and that notable differences in diet will be detected since prior studies. Grey seal scat samples ( N = 247) were collected between 2018 and 2019 from Monomoy Island, Massachusetts, USA. Metabarcoding detected greater prey richness on average, with more frequent detections of clupeids (Clupeidae) and flatfish (Pleuronectiformes), whereas hard parts analysis more frequently detected phycid hakes ( Urophycis spp. Gill, 1863). Combining methods increased detections of 13 prey taxa, with 32 prey taxa identified overall. Skates (Rajidae), flatfish, clupeids, and sand lance ( Ammodytes spp. Linnaeus, 1758) were top-occurring prey. Our study highlights the importance of using multiple methods to characterize generalist predator diets using non-invasive techniques and suggests grey seal diet has changed since the early 2000s.
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 | 0,010 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».