When death comes: Linking predator-prey activity patterns to timing of mortality to understand predation risk
Notice bibliographique
Résumé
<b>Abstract</b><br/><p>The assumption that activity and foraging are risky for prey underlies many predator-prey theories and has led to the use of predator-prey activity overlap as a proxy of predation risk. However, the simultaneous measures of prey and predator activity along with timing of predation required to test this assumption have not been available. Here, we used accelerometry data on snowshoe hares (<em>Lepus</em> <em>americanus</em>) and Canada lynx (<em>Lynx canadensis)</em> to determine activity patterns of prey and predators and match these to precise timing of predation. Surprisingly, we found that lynx kills of hares were as likely to occur during the day when hares were inactive as at night when hares were active. We also found that activity rates of hares were not related to the chance of predation at daily and weekly scales, whereas lynx activity rates positively affected the diel pattern of lynx predation on hares and their weekly kill rates of hares. Our findings suggest that predator-prey diel activity overlap may not always be a good proxy of predation risk, and highlight a need for examining the link between predation and spatiotemporal behavior of predator and prey to improve our understanding of how predator-prey behavioral interactions drive predation risk.</p>
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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 ».