Towns and Trails Drive Carnivore Connectivity using a Step Selection Approach
Notice bibliographique
Résumé
Abstract Global increases in human activity threaten connectivity of animal populations. Protection and restoration of animal movement corridors requires robust models to forecast the effects of human activity on connectivity. Recent advances in the field of animal movement ecology and step selection functions offer new approaches for estimating connectivity. We show how a combination of hidden Markov movement models and step selection functions can be used to simulate realistic movement paths with multiple behavioral states. Simulated paths can be used to generate utilization distributions and estimate changes in connectivity for multiple land use scenarios. We applied movement models to 20 years of grizzly bear ( Ursus arctos ) and gray wolf ( Canis lupus ) data collected in and around Banff National Park, Canada. These carnivores avoided areas near towns in all seasons, avoided areas of high trail density in most seasons, and campgrounds during summer and fall. We simulated movement paths for three landscape scenarios: reference conditions with no anthropogenic development, current conditions, and future conditions with expanded town footprints and trail networks. We counted the number of paths that crossed valley-wide, digital transects through mountain tourist towns of Banff and Canmore, Alberta. We divided current and future crossing rates by the reference crossing rates to estimate connectivity. Current connectivity rates ranged between 7 and 45% of reference values with an average of 21% for grizzly bears and 25% for wolves. Potential town expansion and increased development of trails further decreased connectivity an average of 6% in future scenarios. Anthropogenic developments reduced the amount of available high quality large carnivore habitat in the Bow Valley by an average of 14% under current conditions and 16% under future conditions. Our approach for estimating connectivity provides a robust and flexible method for combining movement models with step selection analyses to estimate connectivity for a variety of species.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».