STATE–SPACE MODELS LINK ELK MOVEMENT PATTERNS TO LANDSCAPE CHARACTERISTICS IN YELLOWSTONE NATIONAL PARK
Notice bibliographique
Résumé
Explaining and predicting animal movement in heterogeneous landscapes remains challenging. This is in part because movement paths often include a series of short, localized displacements separated by longer‐distance forays. This multiphasic movement behavior reflects the complex response of an animal to present environmental conditions and to its internal behavioral state. This state is an autocorrelated process influenced by preceding behaviors and habitats visited. Movement patterns depending on the behavioral state of an animal represent the broad‐scale response of that animal to the environment. Quantifying how animals respond both to local conditions and to their internal state reveals how animals respond to spatial heterogeneity at different spatial scales. We used a state–space statistical approach to model the internal behavioral state and the proximate movement response of elk ( Cervus elaphus ) to available forage biomass, landscape composition, topography, and wolf ( Canis lupus ) density during summer in Yellowstone National Park, USA. We analyzed movement paths of 16 female elk fitted with global positioning system (GPS) radio collars that recorded locations at 5‐h intervals. Habitat variables were quantified within 175 m radii (one‐half of the median 5‐h displacement) centered on the beginning location of each interval. Stepwise model selection identified models that best explained the movement distances of each animal. The behavioral state changed very slowly for most animals (median autocorrelation r = 0.93), and all animals responded strongly to time of day (with more movement in the crepuscular hours). However, the spatial variables included in the best‐fitting models varied substantially among individual elk. These results suggest that strong patterns of habitat selection observed in other studies may result from frequent visits to preferred areas rather than a reduction of movement in those areas.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».