Search

We present a novel spatially explicit kernel density approach to estimate the proportional contribution of a prey to a predator's diet by mass. First, we compared the spatial estimator to a traditional cluster-based approach using a Monte Carlo simulation study. Next, we compared the diet composition of three predators from Pamlico Sound, North Carolina, to evaluate how ignoring spatial correlation affects diet estimates. The spatial estimator had lower mean squared error values compared with the traditional cluster-based estimator for all Monte Carlo simulations. Incorporating spatial correlation when estimating the predator's diet resulted in a consistent increase in precision across multiple levels of spatial correlation. Bias was often similar between the two estimators; however, when it differed it mostly favored the spatial estimator. The two estimators produced different estimates of proportional contribution of prey to the diets of the three field-collected predator species, especially when spatial correlation was strong and prey were consumed in patchy areas. Our simulation and empirical data provide strong evidence that data on food habits should be modeled using spatial approaches and not treated as spatially independent.Nous presentons une nouvelle approche spatialement explicite basee sur la densite de noyaux pour estimer la contribution proportionnelle d'une proie au regime alimentaire en masse d'un predateur. Nous comparons d'abord l'estimateur spatial a une approche traditionnelle reposant sur les agregats en utilisant une etude de simulations de Monte Carlo. Nous comparons ensuite la composition des regimes alimentaires de trois predateurs de la baie de Pamlico (Caroline du Nord) pour evaluer l'effet de ne pas prendre en compte la correlation spatiale sur les estimations du regime alimentaire. L'estimateur spatial presente des valeurs d'erreur quadratique moyenne plus faibles que celles de l'estimateur traditionnel base sur les agregats pour toutes les stimulations de Monte Carlo. L'integration de la correlation spatiale a l'estimation du regime alimentaire du predateur se traduit par une augmentation uniforme de la precision pour differents degres de correlation spatiale. Le biais est souvent semblable pour les deux estimateurs, mais quand il est different, il favorise principalement l'estimateur spatial. Les deux estimateurs produisent differentes estimations de la contribution proportionnelle des proies aux regimes alimentaires des trois especes de predateurs prelevees sur le terrain, en particulier quand la correlation spatiale est forte et que les proies sont consommees dans des zones parcellaires. Nos donnees empiriques et de simulation donnent fortement a penser que les donnees sur les habitudes alimentaires devraient etre modelisees par des approches spatiales et non traitees comme etant independantes de leur emplacement dans l'espace. [Traduit par la Redaction], IntroductionMultispecies approaches are increasingly being used to gain a better understanding of ecosystem structure and population dynamics (Latour et al. 2003; Hollowed et al. 2000; Link 2010; Fogarty et al. [...]