Morcego de bigotes

De testwiki
Revisión feita o 25 de agosto de 2021 ás 17:54 por imported>Breogan2008 (Véxase tamén)
(dif) ← Revisión máis antiga | Revisión actual (dif) | Revisión máis nova → (dif)
Saltar á navegación Saltar á procura

Modelo:Taxobox

O morcego bigotudo (Myotis mystacinus) é unha especie de pequeno morcego europeo con pelaxe longa. Aínda que é pouco común, este morcego habita en zonas próximas aos sitios onde viven os humanos e preto da auga; é semellante ao morcego de Brandt, o Myotis brandtii, o cal pasou a considerarse como unha especie independente en 1970. A fórmula de dentición do M. mysticinus é 2.1.3.33.1.3.3.

A análise das características morfolóxicas, do seu comportamento e xenéticas atoparon máis subespecies de morcegos bigotudos no xénero Myotis. De Myotis mystacinus, Myotis brandtii e Myotis ikonnikovi separouse unha nova especie, Myotis alcathoe, no ano 2001. M. alcathoe é o máis pequeno entre os morcegos bigotudos de Europa e emprega as frecuencias nas súas chamadas de ecolocalización máis altas de todas as especies europeas pertencentes ao seu xénero. Prefire cazar en vales pequenos con árbores de folla caduca próximos a cursos de auga. Os antigos rexistros de Grecia e Hungría indican unha distribución importante no sueste de Europa.

(Vexa a distribución do Morcego de bigotes no modelo)

Ecolocación

As frecuencias utilizadas polo M. mystacinus para a ecolocalización varían entre 34–102 kHz, chegando ao pico de enerxía en 53 kHz e cunha duración media de 3.0 ms.[1][2]

Notas

Modelo:Listaref

Véxase tamén

Modelo:Wikispecies

Outros artigos

Ligazóns externas

Modelo:Control de autoridades

  1. Parsons, S. e Jones, G. (2000) 'Acoustic identification of twelve species of echolocating bat by discriminant function analysis and artificial neural networks.' J Exp Biol., 203: 2641-2656.
  2. Obrist, M.K., Boesch, R. y Flückiger, P.F. (2004) 'Variability in echolocation call design of 26 Swiss bat species: Consequences, limits and options for automated field identification with a synergic pattern recognition approach.' Mammalia., 68 (4): 307-32.