Changes in plastic ingestion over the breeding season: do yellow-legged gulls (Larus michahellis) adjust foraging habits for chick provisioning?
Notice bibliographique
Résumé
Abstract: Over the last few decades, anthropogenic debris, and particularly plastics, have become a major threat for the environment and biodiversity. Over 200 seabird species have been recorded to interact directly with plastics, leading to reductions in survival and/or breeding rates, and consequently representing a major conservation concern. Breeding birds are known to adjust prey quality over the breeding season in order to provide higher quality food for chick provisioning. Nevertheless, it is unclear what this means with respect to the use of anthropogenic food sources used by seabirds. Over the 2020 breeding season, regurgitated pellets, or boluses (n=143), from yellow-legged gulls (Larus michahellis) were collected from a series of nests at Carteau colony in the Gulf of Fos, Camargue, France. 85% (n=121) contained at least one plastic. The most abundant plastic type was sheet plastic, mainly composed of polyethylene and used in food packagings. There was a significant decrease in the number of boluses containing plastics between pre-hatching and post hatching (respectively 84% and 75%). The number of collected boluses also declined between these two periods (respectively n=82 and n=61). These results suggest that gulls may indeed adjust their foraging habits to provide more digestible food to chicks. However, we found high variability among the followed nests in the number of recovered boluses, and a large majority of regurgitates still contained anthropogenic items post-hatching. As yellow-legged gulls are known to specialize on particular food sources, landfill specialist birds may continue to use these food items during chick rearing despite their potential risk for chick growth and survival. More detailed surveys will now be required to test whether these birds are nonetheless able to select different types of anthropogenic items to maximize reproductive success. Authors: Florence Droguet¹, Carole Leray², Alexandra ter Halle³, Marion Vittecoq², Jennifer Provencher⁴, Karen McCoy¹ ¹University of Montpellier CNRS IRD, Centre IRD, ²Tour du Valat, Research Institute for the Conservation of Mediterranean Wetlands, ³UMR 5623 CNRS - University of Toulouse III Paul Sabatier, ⁴Environment and Climate Change Canada, National Wildlife Research Centre
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 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 ».