Data from: Landscape composition and life-history traits influence bat movement and space use: analysis of 30 years of published telemetry data
Notice bibliographique
Résumé
Aim: Animal movement determines home range patterns, which in turn affect individual fitness, population dynamics and ecosystem functioning. Using temperate bats, a group of particular conservation concern, we investigated how morphological traits, habitat specialization and environmental variables affect home range sizes and daily foraging movements, using a compilation of 30 years of published bat telemetry data. Location: Northern America and Europe. Time period: 1988 – 2016. Major taxa studied: Bats. Methods: We compiled data on home range size and mean daily distance between roosts and foraging areas at both colony and individual levels from 166 studies of 3,129 radiotracked individuals of 49 bat species. We calculated multi-scale habitat composition and configuration in the surrounding landscapes of the 165 studied roosts. Using mixed models, we examined the effects of habitat availability and spatial arrangement on bat movements, while accounting for body mass, aspect ratio, wing loading and habitat specialization. Results: We found a significant effect of landscape composition on home range size and mean daily distance at both colony and individual levels. On average, home ranges were up to 42% smaller in the most habitat-diversified landscapes while mean daily distances were up to 30% shorter in the most forested landscapes. Bat home range size significantly increased with body mass, wing aspect ratio and wing loading, and decreased with habitat specialization. Main conclusions: Promoting bat movements through the landscape surrounding roosts at large spatial scales is crucial for bat conservation. Forest loss and overall landscape homogenization lead temperate bats to fly farther to meet their ecological requirements, by increasing home range sizes and daily foraging distances. Both processes might be more detrimental for smaller, habitat-specialized bats, less able to travel increasingly longer distances to meet their diverse needs.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».