Track and dive-based movement metrics do not predict the number of prey encountered by a marine predator
Notice bibliographique
Résumé
Abstract Background Studying animal movement in the context of the optimal foraging theory has led to the development of simple movement metrics for inferring feeding activity. Yet, the predictive capacity of these metrics in natural environments has been given little attention, raising serious questions of the validity of these metrics. The aim of this study is to test whether simple continuous movement metrics predict feeding intensity in a marine predator, the southern elephant seal (SES; Mirounga leonine), and investigate potential factors influencing the predictive capacity of these metrics. Methods We equipped 21 female SES from the Kerguelen Archipelago with loggers and recorded their movements during post-breeding foraging trips at sea. From accelerometry, we estimated the number of prey encounter events (nPEE) and used it as a reference for feeding intensity. We also extracted several track- and dive-based movement metrics and evaluated how well they explain and predict the variance in nPEE. We conducted our analysis at two temporal scales (dive and day), with two dive profile resolutions (high at 1 Hz and low with five dive segments), and two types of models (linear models and regression trees). Results We found that none of the movement metrics predict nPEE with satisfactory power. The vertical transit rates (primarily the ascent rate) during dives had the best predictive performance among all metrics. Dive metrics performed better than track metrics and all metrics performed on average better at the scale of days than the scale of dives. However, the performance of the models at the scale of days showed higher variability among individuals suggesting distinct foraging tactics. Dive-based metrics performed better when computed from high-resolution dive profiles than low-resolution dive profiles. Finally, regression trees produced more accurate predictions than linear models. Conclusions Our study reveals that simple movement metrics do not predict feeding activity in free-ranging marine predators. This could emerge from differences between individuals, temporal scales, and the data resolution used, among many other factors. We conclude that these simple metrics should be avoided or carefully tested a priori with the studied species and the ecological context to account for significant influencing factors.
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 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,444 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».