Data and code from: Spatially-explicit foraging by an apex predator linked to nearshore prey and their accessibility in lakes
Notice bibliographique
Résumé
Habitat coupling – where mobile predators forage over broad spatial scales and, in doing so, link food webs from semi-discrete habitat patches – has emerged as a major structuring force in lake ecosystems. For the cold-water apex predator lake trout (Salvelinus namaycush), food-web structure and morphometry-driven accessibility to nearshore areas in summer strongly determine the degree of littoral-pelagic habitat coupling across lakes. Much of the evidence for habitat coupling, however, is based on stable isotopes of carbon to estimate littoral energy acquisition, whereas spatial data directly linking fish movements and foraging behaviour in lakes, on which this theory is based – are limited. Here we estimated nearshore prey abundance at sites of different thermal accessibility and collected stomach content data, which we combined with three-dimensional acoustic telemetry positioning and acceleration data to directly measure the spatial location of summer foraging movements and habitat coupling by lake trout in lakes with and without an offshore prey fish. Both study lakes contained higher abundances of nearshore prey fish at the most thermally accessible (i.e., steep) sites monitored. Nearshore occupancy accounted for a small proportion of lake trout positions in both lakes (<5%), although prey fish were present in most (72%) diets sampled. High acceleration events indicative of foraging were concentrated in steep, thermally accessible nearshore areas in the lake where offshore forage fish were absent, but were located further offshore in the lake with offshore prey fish. We directly demonstrate that habitat coupling by a wild, apex predator is driven by habitat and prey accessibility.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».