MétaCan
Menu
Retour à la cohorte
Enregistrement W4416285068 · doi:10.1111/1365-2435.70197

Integrating predator energetic balance, risk‐taking behaviour and microhabitat in functional response to untangle indirect interactions in a multispecies vertebrate community

2025· article· en· W4416285068 sur OpenAlexafffund
Andréanne Beardsell, Frédéric Dulude‐de Broin, Gilles Gauthier, Dominique Gravel, Pierre Legagneux, John P. DeLong, Dominique Berteaux, Joël Bêty

Notice bibliographique

RevueFunctional Ecology · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAnimal Ecology and Behavior Studies
Établissements canadiensUniversité de SherbrookeCenter for Northern StudiesUniversité du Québec à Rimouski
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaKenneth M. Molson FoundationPolar Knowledge CanadaCanada Foundation for InnovationArctic Goose Joint VentureUniversité du Québec à RimouskiEnvironment CanadaCanada Research ChairsArcticNetFonds de recherche du Québec – Nature et technologiesUniversité Laval
Mots-clésPredationTundraForagingPredatorFunctional responseVertebrateNest (protein structural motif)ArcticOptimal foraging theory

Résumé

récupéré en direct d'OpenAlex

Abstract Predator–prey interactions in natural communities are complex, with predators often exploiting multiple prey types and generating indirect interactions among them. Ecological theory has traditionally modelled these interactions using functional response models which are based on foraging rates, not energy transfers. This approach overlooks how the energy acquisition rate of a predator can alter its behaviour and, in turn, the strength of species interactions. Here, we integrate predator energetics into a functional response model to represent trade‐offs predators face when foraging on prey that vary in risk and abundance across heterogeneous landscapes. We compared model predictions to 20 years of prey species density and reproductive success data. The mechanistic model was parameterized for an Arctic tundra vertebrate community, where the Arctic fox feeds on cyclic lemmings and eggs of sandpipers (non‐risky prey) and gulls (risky prey that often nest in partial refuge like islands). In this system, predator‐mediated interactions generate apparent mutualism between lemmings and birds, but their strength varies between species, and the mechanisms underlying this interaction remain unclear. We found that fox energetic balance was highly related to lemming density, with a threshold of 89 lemmings km −2 required for a positive energetic balance. Model‐predicted gull nest acquisition rates were lowest on islands when the energetic balance of foxes was positive, and highest for nests on the shore when foxes were in deficit. The model that incorporated predator risk‐taking behaviour and energetic balance produced variation in gull hatching success that most closely matched empirical observations. We documented for the first time that a shift in predator energetic balance, triggering changes in attack and capture probabilities on a risky prey, can be a key mechanism underlying the apparent mutualism between lemmings and gulls. In contrast, for non‐risky prey, the indirect effect can be essentially driven by changes in predator movement. These findings highlight how prey characteristics can lead to different mechanisms behind similar indirect interactions. Taken together, our results indicate that mechanistic models integrating species traits, landscape features and energy‐dependent behavioural adjustments can improve our ability to quantify interaction strengths in natural communities. Read the free Plain Language Summary for this article on the Journal blog.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,153
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,268
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFunctional EcologyMême sujetAnimal Ecology and Behavior StudiesTravaux en français237 207