Dispersal Ecology Informs Design of Large-Scale Wildlife Corridors
Notice bibliographique
Résumé
Landscape connectivity describes how the movement of animals relates to landscape structure. The way in which movement among populations is affected by environmental conditions is important for predicting the effects of habitat fragmentation, and for defining conservation corridors. One approach has been to map resistance surfaces to characterize how environmental variables affect animal movement, and to use these surfaces to model connectivity. However, current connectivity modelling typically uses information on species location or habitat preference rather than movement, which unfortunately may not capture dispersal limitations. Here we emphasize the importance of implementing dispersal ecology into landscape connectivity, i.e., observing patterns of habitat selection by dispersers during different phases of new areas' colonization to infer habitat connectivity. Disperser animals undertake a complex sequence of movements concatenated over time and strictly dependent on species ecology. Using satellite telemetry, we investigated the movement ecology of 54 young male elk Cervus elaphus, which commonly disperse, to design a corridor network across the Northern Rocky Mountains. Winter residency period is often followed by a spring-summer movement phase, when young elk migrate with mothers' groups to summering areas, and by a further dispersal bout performed alone to a novel summer area. After another summer residency phase, dispersers usually undertake a final autumnal movement to reach novel wintering areas. We used resource selection functions to identify winter and summer habitats selected by elk during residency phases. We then extracted movements undertaken during spring to move from winter to summer areas, and during autumn to move from summer to winter areas, and modelled them using step selection functions. We built friction surfaces, merged the different movement phases, and eventually mapped least-cost corridors. We showed an application of this tool by creating a scenario with movement predicted as there were no roads, and mapping highways' segments impeding elk connectivity.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».