Predators and scavengers: Polar bears as marine carrion providers
Notice bibliographique
Résumé
Scavenging is a foraging strategy widely used across the animal kingdom and apex predators provide a large amount of energy in a food web by provisioning carrion. In the harsh environmental conditions of the Arctic, apex predators such as polar bears Ursus maritimus can provide scavenging opportunities for many species. Carrion can act as a buffer when food resources are low, and some terrestrial species use the marine environment for cross‐ecosystem resource subsidies. We present an overview of scavenging as a foraging strategy in the Arctic marine environment and examine the contribution of prey provided by polar bears to the Arctic scavenging assemblage. As obligate predators of seals, polar bears contribute a substantial amount of carrion to the marine ecosystem, particularly to the sea ice surface where it is accessible for seasonal scavenging opportunities. We estimated that an average polar bear kills approximately 1001 kg of marine mammal biomass annually and given preferential feeding of blubber and abandonment of carcasses, we estimate that 30% of the biomass is left as available carrion. Consequently, polar bears provision approximately 7.6 × 10 6 kg year –1 of carrion biomass for scavengers across their range, equivalent to 3.93 × 10 7 MJ of energy. Eleven vertebrate species are known to scavenge polar bear kills, and an additional eight are possible scavengers. While foraging associations with polar bear kills for some species are better understood, others are scarce or undocumented. We provide an overview of what is known about the role of polar bears as carrion providers, the network of scavenging species on the sea ice, and the possible consequences of trophic downgrading in this ecosystem and recipient ecosystems.
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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».