Human footprint and forest disturbance reduce space use of brown bears ( <i>Ursus arctos</i> ) across Europe
Notice bibliographique
Résumé
Abstract Three-quarters of the planet’s land surface has been altered by humans, with consequences for animal ecology, movements and related ecosystem functioning. Species often occupy wide geographical ranges with contrasting human disturbance and environmental conditions, yet, limited data availability across species’ ranges has constrained our understanding of how human impact and resource availability jointly shape intraspecific variation of animal space use. Leveraging a unique dataset of 752 annual GPS movement trajectories from 370 brown bears ( Ursus arctos ) across the species’ range in Europe, we investigated the effects of human impact (i.e., human footprint index), resource availability, forest cover and disturbance, and area-based conservation measures on brown bear space use. We quantified space use at different spatio-temporal scales during the growing season (May - September): home range size; representing general space requirements, 10-day long-distance displacement distances, and routine 1-day displacement distances. We found large intraspecific variation in brown bear space use across all scales, which was profoundly affected by human footprint index, vegetation productivity, and recent forest disturbances creating opportunity for resource pulses. Bears occupied smaller home ranges and moved less in more anthropized landscapes and in areas of higher resource availability. Forest disturbances reduced space use while contiguous forest cover promoted longer daily movements. The amount of strictly protected and roadless areas within bear home ranges were too small to affect space use. Anthropized landscapes may hinder the expansion of small and isolated populations, such as the Apennine and Pyrenean, and obstruct population connectivity, for example between the Alpine or Carpathian with the Dinaric Pindos populations. Our findings call for actions to maintain bear movements across landscapes with high human footprint, for example by maintaining forest integrity, to support viable bear populations and their ecosystem functions.
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 | 0,000 | 0,001 |
| 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 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 ».