Dynamic balancing of risks and rewards in a large herbivore: Further extending predator–prey concepts to road ecology
Notice bibliographique
Résumé
Animal behaviour is shaped by the ability to identify risks and profitably balance the levels of risks encountered with the payoffs experienced. Anthropogenic disturbances like roads generate novel risks and opportunities that wildlife must accurately perceive and respond to. Basic concepts in predator-prey ecology are often used to understand responses of animals to roads (e.g. increased vigilance, selection for cover in their vicinity). However, prey often display complex behaviours such as modulating space use given varying risks and rewards, and it is unclear if such dynamic balancing is used by animals in the context of road crossings. We tested whether animals dynamically balance risks and rewards relative to roads using extensive field-based and GPS collar data from elk in Yoho National Park (British Columbia, Canada), where a major highway completely bisects their range during most of the year. We analysed elk behaviour by combining hidden Markov movement models with a step-selection function framework. Rewards were indexed by a dynamic map of available forage biomass, and risks were indexed by road crossings and traffic volumes. We found that elk generally selected intermediate and high forage biomass, and avoided crossing the road. Most of the time, elk modulated their behaviour given varying risks and rewards. When crossing the highway compared with not crossing, elk selected for greater forage biomass and this selection was stronger as the number of highway crossings increased. However, with traffic volume, elk only balanced foraging rewards when they crossed a single time during a travel sequence. Using a road ecology system, we empirically tested an important component of predator-prey ecology-the ability to dynamically modulate behaviour in response to varying levels of risks and rewards. Such a test articulates how decision-making processes that consider the spatiotemporal variation in risks and rewards allow animals to successfully and profitably navigate busy roads. Applying well-developed concepts in predator-prey theory helps understand how animals respond to anthropogenic disturbances and anticipate the adaptive capacity for individuals and populations to adjust to rapidly changing environments.
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 | 0,001 | 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) | 0,001 | 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 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 ».