Road visibility influences habitat selection by grizzly bears (<i>Ursus arctos horribilis</i>)
Notice bibliographique
Résumé
Anthropogenic disturbances, including roads, are known to influence animal habitat selection and mortality. In this study, we consider the role of sensory perception in understanding why and how animals respond to disturbances. Our goal was to investigate the effect of visual perception (visibility) around roads on grizzly bear (Ursus arctos horribilis Ord, 1815) habitat selection and mortality in Alberta, Canada. We used detailed topographic and vegetation data from airborne light detection and ranging (lidar) to estimate visibility around roads. We modelled habitat selection as a function of road visibility and environmental variables using GPS telemetry data from 39 grizzly bears and integrated step selection analysis (iSSA). Finally, we assessed mortality risk in visible areas by comparing habitat selection between grizzly bears that died and those that survived. We found that grizzly bears were less likely to select visible areas when moving slowly or resting, but were more likely to select visible areas when travelling. We found that grizzly bears that survived selected for areas farther from roads than grizzly bears that died. However, no difference in selection for visible areas was observed. An exploratory analysis showed that grizzly bear mortalities commonly occurred in visible areas. Our findings highlight the importance of sensory perception in understanding animal behaviour.
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) | 0,002 | 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 tête enseignante, 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 ».