Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Các ngân sách thời gian-năng lượng thông qua gia tốc kế cho thấy tầm quan trọng của nhiệt độ đối với hoạt động của một loài chó hoang ở khu vực khô cằn
Tóm tắt
Trên toàn cầu, các vùng khô cằn đang mở rộng và trở nên nóng hơn, khô hơn do biến đổi khí hậu. Đối với các động vật động nhiệt có kích thước trung bình và lớn ở vùng khô cằn, nhu cầu xả nhiệt thúc đẩy một loạt các thích nghi, từ hành vi đến giải phẫu và sinh lý học. Việc hiểu cách mà các loài săn mồi hàng đầu điều chỉnh hoạt động của chúng trong những cảnh quan này và cách chúng cân bằng năng lượng là quan trọng bởi vì điều này có thể ảnh hưởng sâu rộng đến chức năng của hệ sinh thái. Chúng tôi đã sử dụng gia tốc kế ba trục (ACC) và dữ liệu GPS được thu thập từ những con chó dingo tự do sinh sống ở miền trung Australia để điều tra năng lượng theo hoạt động cụ thể, cũng như các mẫu hoạt động theo thời gian và không gian. Chúng tôi đã phân loại hoạt động của chó dingo thành các hành vi đứng yên, đi bộ và chạy, và ước tính lượng năng lượng tiêu hao hằng ngày thông qua ngân sách thời gian-năng lượng theo hoạt động được phát triển dựa trên dữ liệu tiêu hao năng lượng từ tài liệu. Chúng tôi đã kiểm tra xem chó dingo có điều tiết nhiệt hành vi hay không bằng cách mô hình hóa ODBA (đo lường hoạt động) như một hàm của nhiệt độ môi trường trong suốt cả ngày và đêm. Chúng tôi đã sử dụng các phép đo khoảng cách truyền thống (GPS) cũng như dữ liệu hoạt động chi tiết (ODBA) để đánh giá các mẫu di chuyển của chúng hàng ngày. Chúng tôi đã thu thập dữ liệu ACC và GPS từ bảy con dingo. Lượng tiêu hao năng lượng hàng ngày theo khối lượng của chúng thấp hơn đáng kể vào mùa hè (288 kJ kg− 1 ngày− 1) so với mùa đông (495 kJ kg− 1 ngày− 1; p = 0.03). Tóm lại, chó dingo ít hoạt động hơn nhiều vào mùa hè, khi 91% thời gian trong ngày của chúng được dành cho việc đứng yên, so với chỉ 46% trong mùa đông. Có sự giảm mạnh ODBA khi nhiệt độ môi trường tăng lên vào ban ngày (R2 = 0.59), trong khi đó ODBA lại tăng lên với nhiệt độ Ta vào ban đêm (R2 = 0.39). Khoảng cách và ODBA có tương quan thuận (R = 0.65) và tạo ra các mẫu hoạt động giống nhau vào lúc chạng vạng. Kết quả của chúng tôi chỉ ra rằng nhiệt độ môi trường có thể điều khiển hành vi của chó dingo. Sự khác biệt theo mùa trong tiêu hao năng lượng hàng ngày ở các loài thú có nhau thai tự do đã được tìm thấy ở một số loài, mặc dù đây là lần đầu tiên điều này được quan sát ở một loài chó hoang. Chúng tôi kết luận rằng mối quan hệ tiêu cực giữa hoạt động của chó dingo (ODBA) và nhiệt độ môi trường vào ban ngày ám chỉ rằng việc hấp thụ nhiệt cao từ bức xạ mặt trời có thể là một yếu tố hạn chế hoạt động chó dingo vào ban ngày trong một môi trường khô cằn.
Từ khóa
#khô cằn #chó dingo #tiêu hao năng lượng #hành vi #nhiệt độ môi trường #hệ sinh tháiTài liệu tham khảo
Schmidt-Nielsen K. Locomotion: energy costs of swimming, flying, and running. Science. 1972;177(4045):222–8.
Tatner P, Bryant DM. Flight cost of a small passerine measured using doubly labeled water: Implications for energetics studies. Auk. 1986;103(1):169–80. https://doi.org/10.1093/auk/103.1.169.
Karasov WH. Daily energy expenditure and the cost of activity in mammals. Am Zool. 2015;32(2):238–48. https://doi.org/10.1093/icb/32.2.238.
Harding KC, Fujiwara M, Axberg Y, Härkönen T. Mass-dependent energetics and survival in harbour seal pups. Funct Ecol. 2005;19(1):129–35. https://doi.org/10.1111/j.0269-8463.2005.00945.x.
Nathan R, Getz WM, Revilla E, Holyoak M, Kadmon R, Saltz D, et al. A movement ecology paradigm for unifying organismal movement research. Proc Natl Acad Sci U S A. 2008;105(49):19052–9. https://doi.org/10.1073/pnas.0800375105.
Wilson RP, Quintana F, Hobson VJ. Construction of energy landscapes can clarify the movement and distribution of foraging animals. Proc R Soc Lond B Biol Sci. 2012;279(1730):975–80. https://doi.org/10.1098/rspb.2011.1544.
Rubenson J, Henry HT, Dimoulas PM, Marsh RL. The cost of running uphill: Linking organismal and muscle energy use in guinea fowl (numida meleagris). J Exp Biol. 2006;209(13):2395–408. https://doi.org/10.1242/jeb.02310.
Wall J, Douglas-Hamilton I, Vollrath F. Elephants avoid costly mountaineering. Curr Biol. 2006;16(14):R527–R9. https://doi.org/10.1016/j.cub.2006.06.049.
Wolf JBW, Kauermann G, Trillmich F. Males in the shade: Habitat use and sexual segregation in the galápagos sea lion (zalophus californianus wollebaeki). Behav Ecol Sociobiol. 2005;59(2):293–302. https://doi.org/10.1007/s00265-005-0042-7.
Revilla E, Wiegand T. Individual movement behavior, matrix heterogeneity, and the dynamics of spatially structured populations. Proc Natl Acad Sci U S A. 2008;105(49):19120–5. https://doi.org/10.1073/pnas.0801725105.
Wilson RP. Resource partitioning and niche hyper-volume overlap in free-living pygoscelid penguins. Funct Ecol. 2010;24(3):646–57. https://doi.org/10.1111/j.1365-2435.2009.01654.x.
Estes JA, Terborgh J, Brashares JS, Power ME, Berger J, Bond WJ, et al. Trophic downgrading of planet earth. Science. 2011;333(6040):301–6. https://doi.org/10.1126/science.1205106.
Ritchie EG, Johnson CN. Predator interactions, mesopredator release and biodiversity conservation. Ecol Lett. 2009;12(9):982–98. https://doi.org/10.1111/j.1461-0248.2009.01347.x.
Soulé ME, Estes JA, Berger J, Del Rio CM. Ecological effectiveness: Conservation goals for interactive species. Conserv Biol. 2003;17(5):1238–50. https://doi.org/10.1046/j.1523-1739.2003.01599.x.
Berger J, Stacey PB, Bellis L, Johnson MP. A mammalian predator–prey imbalance: Grizzly bear and wolf extinction affect avian neotropical migrants. Ecol Appl. 2001;11(4):947–60. https://doi.org/10.1890/1051-0761(2001)011[0947:AMPPIG]2.0.CO;2.
Fleming P, Corbett L, Harden B, Thomson P. In: Bomford M, editor. Managing the impact of dingoes and other wild dogs. Canberra: Bureau of Rural Sciences; 2001.
Allen BL. Do desert dingoes drink daily? Visitation rates at remote waterpoints in the strzelecki desert. Aust Mammal. 2012;34(2):251–6. https://doi.org/10.1071/AM12012.
Halsey LG, Shepard ELC, Wilson RP. Assessing the development and application of the accelerometry technique for estimating energy expenditure. Comp Biochem Physiol A Mol Integr Physiol. 2011;158(3):305–14. https://doi.org/10.1016/j.cbpa.2010.09.002.
Wilson RP, Börger L, Holton MD, Scantlebury DM, Gómez-Laich A, Quintana F, et al. Estimates for energy expenditure in free-living animals using acceleration proxies: a reappraisal. J Anim Ecol. 2020;89(1):161–72. https://doi.org/10.1111/1365-2656.13040.
Gleiss AC, Wilson RP, Shepard ELC. Making overall dynamic body acceleration work: On the theory of acceleration as a proxy for energy expenditure. Methods Ecol Evol. 2011;2(1):23–33. https://doi.org/10.1111/j.2041-210X.2010.00057.x.
Ladds MA, Salton M, Hocking DP, Mcintosh RR, Thompson AP, Slip DJ, et al. Using accelerometers to develop time-energy budgets of wild fur seals from captive surrogates. PeerJ. 2018;6:e5814-e. https://doi.org/10.7717/peerj.5814.
Speakman JR, Król E. Maximal heat dissipation capacity and hyperthermia risk: Neglected key factors in the ecology of endotherms. J Anim Ecol. 2010;79(4):726–46. https://doi.org/10.1111/j.1365-2656.2010.01689.x.
Fuller A, Hetem RS, Maloney SK, Mitchell D. Adaptation to heat and water shortage in large, arid-zone mammals. Physiology. 2014;29(3):159–67. https://doi.org/10.1152/physiol.00049.2013.
Watterson I, Abbs D, Bhend J, Chiew F, Church J, Ekström M, et al. Rangelands cluster report, climate change in Australia projections for australia’s natural resource management regions: cluster reports. 2015.
Bureau of Meteorology; 2017. Climate data online. Available from: http://www.bom.gov.au/climate/data/. Accessed 12 Oct 2017.
Tatler J, Prowse TA, Roshier DA, Cairns KM, Cassey P. Phenotypic variation and promiscuity in a wild population of pure dingoes (canis dingo). J Zool Syst Evol Res. 2021;59(1):311–22. https://doi.org/10.1111/jzs.12418.
Tatler J, Prowse TA, Roshier DA, Allen BL, Cassey P. Resource pulses affect prey selection and reduce dietary diversity of dingoes in arid australia. Mammal Rev. 2019;49(3):263–75. https://doi.org/10.1111/mam.12157.
Meek P, Jenkins D, Morris B, Ardler A, Hawksby R. Use of two humane leg-hold traps for catching pest species. Wildl Res. 1995;22(6):733–9. https://doi.org/10.1071/WR9950733.
R Core Team. R: A language and environment for statistical computing. Vienna: R Foundation for Statistical Computing; 2017.
Tatler J, Cassey P, Prowse TA. High accuracy at low frequency: Detailed behavioural classification from accelerometer data. J Exp Biol. 2018;221(23):jeb184085. https://doi.org/10.1242/jeb.184085.
Pagano AM, Williams TM. Estimating the energy expenditure of free-ranging polar bears using tri-axial accelerometers: A validation with doubly labeled water. Ecol Evol. 2019;9(7):4210–9. https://doi.org/10.1002/ece3.5053.
Shield J. Acclimation and energy metabolism of the dingo, cards dingo and the coyote, canis latrans. J Zool. 1972;168(4):483–501. https://doi.org/10.1111/j.1469-7998.1972.tb01363.x.
Shield J. Acclimation and energy metabolism of the dingo, canis dingo and the coyote, canis latrans. J Zool. 1972;168(4):483–501. https://doi.org/10.1111/j.1469-7998.1972.tb01363.x.
Bryce CM, Williams TM. Comparative locomotor costs of domestic dogs reveal energetic economy of wolf-like breeds. J Exp Biol. 2017;220(2):312–21. https://doi.org/10.1242/jeb.144188.
Mahoney SA. Cost of locomotion and heat balance during rest and running from 0 to 55 degrees c in a patas monkey. J Appl Physiol. 1980;49(5):789–800. https://doi.org/10.1152/jappl.1980.49.5.789.
Schmidt-Nielsen K. Animal physiology: adaptation and environment. 5th ed. Cambridge: Cambridge University Press; 1997.
Department of Environment and Water; 2018. Naturemaps 3.0. Available from: https://data.environment.sa.gov.au/NatureMaps/Pages/default.aspx. Accessed 27 Mar 2018.
Hijmans R, Van Etten J. Raster: Geographic analysis and modeling with raster data. R package version 2.6-7; 2010.
Dee DP, Uppala SM, Simmons AJ, Berrisford P, Poli P, Kobayashi S, et al. The era-interim reanalysis: Configuration and performance of the data assimilation system. Q J R Meteorol Soc. 2011;137(656):553–97. https://doi.org/10.1002/qj.828.
Didan K. In: DAAC NEL, editor. Mod13a2 modis/terra vegetation indices 16-day l3 global 1km sin grid v006 [modis land/terra vegetation indices 1-km 16-day (mod13a2 v6)]. 6th ed; 2015.
Bivand R, Lewin-Koh N. Maptools: Tools for handling spatial objects. R package version 0.9-4; 2018.
Tatler J. Integrated analysis of the movement and ecology of wild dingoes in the arid zone. Australia: University of Adelaide; 2019.
Bracis C, Bildstein KL, Mueller T. Revisitation analysis uncovers spatio-temporal patterns in animal movement data. Ecography. 2018;41(11):1801–11. https://doi.org/10.1111/ecog.03618.
De'eath G. Mdm: Multinomial diversity model. R package version 1.3; 2013.
Wood SN. Fast stable restricted maximum likelihood and marginal likelihood estimation of semiparametric generalized linear models. J R Stat Soc B (Statistical Methodology). 2011;73(1):3–36. https://doi.org/10.1111/j.1467-9868.2010.00749.x.
Bates D, Mächler M, Bolker B, Walker S. Fitting linear mixed-effects models using lme4. 2015. 2015;67(1):48. https://doi.org/10.18637/jss.v067.i01.
Barton K. Mumin: Multi-model inference. 2009. http://r-forger-project.org/projects/mumin/.
Allen BL, Goullet M, Allen LR, Lisle A, Leung LKP. Dingoes at the doorstep: Preliminary data on the ecology of dingoes in urban areas. Landsc Urban Plan. 2013;119:131–5. https://doi.org/10.1016/j.landurbplan.2013.07.008.
Harmsen BJ, Foster RJ, Silver SC, Ostro LET, Doncaster CP. Jaguar and puma activity patterns in relation to their main prey. Mamm Biol. 2011;76(3):320–4. https://doi.org/10.1016/j.mambio.2010.08.007.
Jenny D, Zuberbühler K. Hunting behaviour in west african forest leopards. Afr J Ecol. 2005;43(3):197–200. https://doi.org/10.1111/j.1365-2028.2005.00565.x.
Moseby KE, De Jong S, Munro N, Pieck A. Home range, activity and habitat use of european rabbits (oryctolagus cuniculus) in arid australia: Implications for control. Wildl Res. 2005;32(4):305–11. https://doi.org/10.1071/WR04013.
Aublet J-F, Festa-Bianchet M, Bergero D, Bassano B. Temperature constraints on foraging behaviour of male alpine ibex (capra ibex) in summer. Oecologia. 2009;159(1):237–47. https://doi.org/10.1007/s00442-008-1198-4.
Norris AL, Kunz TH. Effects of solar radiation on animal thermoregulation. In: Babatunde E, editor. Solar radiation. Croatia: IntechOpen; 2012. p. 195–220.
Cotton CL, Parker KL. Winter activity patterns of northern flying squirrels in sub-boreal forests. Can J Zool. 2000;78(11):1896–901. https://doi.org/10.1139/z00-137.
Murray IW, Smith FA. Estimating the influence of the thermal environment on activity patterns of the desert woodrat (neotoma lepida) using temperature chronologies. Can J Zool. 2012;90(9):1171–80. https://doi.org/10.1139/z2012-084.
Mcnab BK. The physiological ecology of vertebrates: A view from energetics. Ithaca: Cornell University Press; 2002.
Phillips CJ, Coppinger RP, Schimel DS. Hyperthermia in running sled dogs. J Appl Physiol. 1981;51(1):135–42. https://doi.org/10.1152/jappl.1981.51.1.135.
Pond CM. The significance of lactation in the evolution of mammals. Evolution. 1977;31(1):177–99. https://doi.org/10.2307/2407556.
Weber D. The ecological significance of resting sites and the seasonal habitat change in polecats (mustela putorius). J Zool. 1989;217(4):629–38. https://doi.org/10.1111/j.1469-7998.1989.tb02514.x.
Ruggiero LF, Pearson E, Henry SE. Characteristics of american marten den sites in Wyoming. J Wildl Manag. 1998;62(2):663–73. https://doi.org/10.2307/3802342.
Baker PJ, Robertson CPJ, Funk SM, Harris S. Potential fitness benefits of group living in the red fox, vulpes vulpes. Anim Behav. 1998;56(6):1411–24. https://doi.org/10.1006/anbe.1998.0950.
Hetem RS, Mitchell D, De Witt BA, Fick LG, Maloney SK, Meyer LCR, et al. Body temperature, activity patterns and hunting in free-living cheetah: biologging reveals new insights. Integr Zool. 2019;14(1):30–47. https://doi.org/10.1111/1749-4877.12341.
Rabaiotti D, Woodroffe R. Coping with climate change: Limited behavioral responses to hot weather in a tropical carnivore. Oecologia. 2019;189(3):587–99. https://doi.org/10.1007/s00442-018-04329-1.