The Feeding Ecology and Behavior of Breeding Iceland Gulls <i>Larus glaucoides kumlieni</i> and Comparisons with Sympatric Large <i>Larus</i> Gulls on Southwestern Baffin Island, Canada
Notice bibliographique
Résumé
The feeding ecology and behavior of breeding Iceland Gulls Larus glaucoides kumlieni and, to a lesser extent, American Herring Gulls Larus smithsonianus and Glaucous Gulls Larus hyperboreus, were studied at a large Iceland Gull colony located near Kinngait, Baffin Island, Canada. Iceland Gulls collected food close to the colony, mainly at ebbing and low tides, on or very close to the shoreline, and in adjacent nearshore waters. The most common feeding technique was picking on the water surface while swimming. Additional techniques included plunging to capture food items at greater depths and kleptoparasitism. Known food items included marine invertebrates and small fish. American Herring and Glaucous gulls nested in the study area in substantially lower numbers than Iceland Gulls but used similar feeding habitats and techniques and collected similar food items. The specific feeding techniques used by all three species were typical of many large Larus gulls. Sufficient food availability at the time of the study may explain some of the observed similarities in feeding habitat use and behavior. An important component of broad niche separation for Iceland Gulls in areas of sympatry may be sea-cliff nesting and concentrated use of coastal marine habitats for feeding, including shorelines and nearshore areas. In addition, other studies have shown that American Herring and Glaucous gulls use more inland and terrestrial habitats, use more diverse foods, and employ different feeding behaviors, including more predation and scavenging. Additional studies in selected areas are needed to fully address the questions raised in this study.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».