Monitoring the effects of ovariectomy on seasonal movement behavior in suburban female white‐tailed deer using internet of things‐enabled devices
Notice bibliographique
Résumé
Abundant deer populations often cause conflicts in suburban communities, yet traditional population reduction methods, such as controlled hunting, can be challenging to implement. Fertility control, specifically through ovariectomy, can limit reproduction and reduce populations in certain settings, but its effect on movement behavior remains poorly understood. Concerns persist that hormonal changes may affect movement behavior, potentially leading to increased physiological demands and influencing deer–vehicle collision (DVC) risks. We evaluated the effects of ovariectomy‐induced anestrus on seasonal movement behavior in female white‐tailed deer Odocoileus virginianus using internet of things (IoT) biologging devices connected via a low‐power wide‐area network (LPWAN). From 17 January 2023 to 1 June 2024, we collected telemetry data from ovariectomized (treated) and control (untreated) female deer in South Euclid, Ohio, USA, and quantified seasonal movement patterns using 7‐day home‐range size, daily diffusion, and daily excursivity estimated through continuous‐time movement models. Of the three metrics, only diffusion differed significantly between groups. Untreated females exhibited seasonal increases in all three metrics leading up to and during the breeding season (late July to November) and reduced movement around parturition (late May). Treated females did not exhibit strong seasonal behaviors. Although our sample size was small, our findings suggest that ovariectomy removes hormonal triggers without leading to otherwise unusual movement behavior or increasing excursive behavior. Biologging devices using LPWAN‐enabled IoT for data transmission proved to be a low‐cost, low‐power, lightweight alternative to traditional devices that transmit data using satellite or cellular technology, though data transmission was irregular. We conclude that ovariectomy is a safe management tool for controlling abundant deer populations; however, further research is needed to more precisely quantify the effects of ovariectomy and explore the potential and limitations of IoT‐based biologging for wildlife research.
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) | 0,000 | 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 ».