1。介绍
栖息地选择研究一直认为访问栖息地是一个微不足道的动物运动约束内景观(
1 ),但访问限制由于道路和森林碎片越来越认可(
2 ]。运动约束是由空间的资源用于最大化健身模式(例如,访问关键资源和避免捕食)。他们减少连接(
3 )建立了活动范围内的动物和栖息地的限制可访问性补丁分散生物(
4 ),从而影响种群动态。因此,动物的栖息地的发生可能取决于周围的矩阵,和考虑运动约束似乎发展的至关重要的栖息地选择模型(
1 ,
5 ,
6 ]。空间显式模拟包括最小路径(
7 ,
8 )已成为越来越受欢迎的模型最优运动路线的动物。代价最小的模型可以模拟动物运动根据配置不同的空间特性在一个异构的景观,和假设的抵抗运动。在测试各种假设的管理场景中,Sutcliffe et al。
9 )认为,采行景观管理规划的仿真是一种强大的工具。结果Broquet et al。
10 ]表明,景观特征的阻力纳入模型更好的解释貂(
集市美国 )遗传模式比欧氏距离。Desrochers et al。
11 也更好地评估灶巢鸟(
Seiurus aurocapilla )在开放区域运动阻力小和大尺度与最小路径模拟比欧氏距离。这些研究表明,抵抗运动在全国各地有助于塑造运动和基因流在异构的风景。
预测成本,运动是必不可少的识别和保护栖息地促进基因流动和配置,因此,物种的持久性(
9 ]。当Hargis et al。
12 ]发现捕捉利率下降的美国小森林里martens补丁,他们建议四个因素导致入住率下降,大致相当于(1)缺乏足够的庇护;(2)缺乏猎物;(3)暴露在恶劣的天气;(4)布置与低质量的栖息地。这四个因素的组合可以转化为一个全球性的“感知”运动阻力,马顿斯(
13 ]。然而,这样的一个聚合,“感知”运动阻力很少量化,导致许多野生动物科学家估计输入参数在最小路径模型纯粹的专家意见的表达(
14 ]。一些作者批评这种做法使用栖息地适宜性模型建造成本的表面(
15 ),认为它可能诱发错误预测如果不验证模型(
16 ]。为了规避这个问题,方法是需要提供真正的实证估计运动阻力。最近的研究试图估计阻力模型通过比较适合实际数据(
17 - - - - - -
19 ]。最近,Driezen et al。
20. ]提出的方法验证最佳最小路径测试模型与真实的传播路径,并重申的必要性与物种栖息地专家估计成本值在整个景观。Cushman和刘易斯(
21 ]预测景观抵抗运动数据和表达需要运用正确的景观变量和主题解析值电阻模型。Cushman et al。
22 ,
23 )使用路径随机化方法的参考路径的拓扑保存随机移动和旋转它产生一组可用的路径可以相比。
第一本研究的目的是评估各种景观阻力的性能地图,基于这种方法可以很容易地应用于其他的研究领域不干扰动物的一个关键时期。在空间显式模型中,应用运动阻力值不同的土地覆盖类型涉及创建网格地图和选择参数值。本研究的第二个目的是优化貂运动阻力,地图粒度,主题分辨率估计参数值和帮助在未来建筑模型景观遗传学相关的物种。地图的分辨率电阻表面应该基于结构和功能连接而不是决定仅仅从景观和环境特性
14 ]。先前的研究已经表明,运动的青少年或成人分散觅食活动范围取决于碎片级别的景观
22 ]。在电阻表面,地图决议不能包含整个景观连通性的栖息地,因此兴趣模拟最小路径进行景观根据不同空间的配置功能。
为满足本研究的目标,我们开放的电阻相比,年轻,运动森林站关闭美国貂在冬天四个地图晶粒大小。我们估计相对运动阻力的内部和外部森林覆盖通过比较的空间距离,采行模拟发生数据,与不同的电阻参数分配到森林、道路、削减和清晰。我们假定貂追踪观察的结果后martens least-cost-paths整个研究区域。因此,我们模拟least-cost-paths整个景观(lcp),模拟跟踪这些连结控制协定分割的横断面为真正的跟踪采样,并将模拟跟踪与观察到的貂。我们的方法的比较说明了你们那里的相关性数据机械假说有关动物的运动。
2。材料和方法
2.1。研究区域
我们在蒙特默伦西樱桃森林进行现场工作,加拿大魁北克(47°19′N, 71°9′W;图
1 )。这66公里2 北方森林管理木材和娱乐,但它历史悠久的使用拉瓦尔大学的教学和研究。香脂冷杉(
冷杉属balsamea) 和黑云杉(
云杉马里亚纳) 主要树种,其次是白桦(
桦木属papyrifera ),白云杉(
云杉glauca), 和颤抖的阿斯彭(
美洲山杨) 。从一月到三月(1971 - 2000),每日平均气温
- - - - - -
15.8
°
C
±
2。5
°
C
,
- - - - - -
14.1
°
C
±
2。9
°
C
,
- - - - - -
7.9
°
C
±
2。5
°
C
分别为(
24 ]。年降水量如雪(11月至4月)一般超过6米
24 ]。积雪变化峰值大约从1到2米,根据年,森林覆盖和地形(unpubl。数据从积雪深度调查和自动气象站)。地形是山地,海拔从750 - 1000不等。蒙特默伦西樱桃森林的管理目标之一是重新创建一个林分马赛克反映自然干扰(
25 ]。为了达到这个目标,收获补丁大小分为三组(< 10公顷,10 - 30公顷,30 - 100公顷),每一组有相同的面积大小,从而导致许多小型的创建补丁和几个大补丁。此外,蒙特默伦西樱桃森林的经理有收成白茫茫的时间获得四个主要组站年龄(根据造林的实践):(1)再生:0-20 y,(2)年轻:意向y,(3)成熟:41-60 y,和(4)原始:> 60 y。细粒度的造林的行为导致了一个非常密集的公路网(2.91公里/公里2 整个区域)。捕获和狩猎不被允许,但是娱乐活动如越野滑雪和步行是允许的。
图1
蒙特默伦西樱桃森林内的位置的魁北克(加拿大)。
![]()
2.2。森林数据
所有的森林调查数据(站年龄、植被类型、站的限制,道路网络)是蒙特默伦西樱桃森林经理提供的,他们收集了数据集从航拍照片(等级1:10 000)和GPS。每年,站特征(年龄、身高、密度等)真实控制点。
2.3。Snow-Tracking
我们记录了貂轨道的空间分布snow-tracking每年冬天(3月1日1月31日)从2004年到2008年。Snow-tracking由定位貂轨道横断面遍历所有在蒙特默伦西樱桃森林栖息地类型。横断面进行了所有未经开垦森林道路和小径(长度200米到5公里)以及连续随机样本的计算或南临线(长度500米至2公里)从67行放置在一个网格(500间距)叠加在研究区上。每个冬天,只每样清点一次雪鞋或一个滑雪的操作速度非常低。Snow-tracking发生只有当雪落> 3厘米和风速> 30公里/小时的预测,因为在这些情况下,雪铁路覆盖或冲走
26 ]。跟踪质量被形容为低(单脚不区分),好区别(英尺),或高(脚趾杰出),只有好的,高质量的跟踪包括在分析中。我们没有遵循貂轨道,但我们记录每个貂路径,穿过一个横断面点功能的GPS接收器(特林布尔GeoExplorer;图
2 )。样路径穿过好几次短距离(< 100)可能是来自同一个人,但我们并不认为这是一个统计的问题,因为我们使用的意思是近邻距离几个跟踪统计单位(见部分
2.10 )。所有跟踪显示mustelid打印跟踪模式,两个印刷宽度从8日至13日厘米,被认为是貂(
27 ]。费舍尔的存在(
集市pennanti )是不寻常的在该地区,所以我们认为所有与此模式跟踪貂。
图2
横断面抽样(行)和貂跟踪记录(点)2008年1,在蒙特默伦西樱桃森林,加拿大魁北克(投影坐标系:NAD83特种加工区域7)。
![]()
2.4。电阻在开放区域
我们任意赋予最高的抵抗运动在开放地区,从4到1000(十值常数的值在成熟森林,看到
28 ])。最小阻力开放区域设置为4,以改变年轻开放的栖息地森林相对于电阻阻值与比率为1
⁄ 4、1
⁄ 2和3
⁄ 4所示。抗性> 1000通常生成模拟运动研究的边境地区,被认为是生物的现实范围貂。由于栖息地选择美国貂(
29日 ),我们假设成熟森林站提供最低的阻力貂的动作,并将其值设置为1的所有抵抗地图(
28 ]。
2.5。专题地图的分辨率
我们创建了三个场景的运动阻力貂不同成本值分配给不同的生境类型(图
3 )。每个场景描述与两个或三个栖息地类别。美国貂在魁北克已知密度的专家和成熟森林覆盖,因为他们选择栖息地类型根据垂直结构和结构功能障碍和树桩
29日 ]。专题地图的决议是基于已知貂蒙特默伦西樱桃在冬天森林栖息地的需求,也就是说,避免清廉y-old,明显表现出对> 30 y-old站,和弱避免11-30 y-old站(
30. ]。第一个场景分区景观为“开放”区域(0到10 y-old站、道路、河流、湖泊、泥炭沼泽,采石场,和岛屿)和“森林”(> 10 y-old森林)。第二个场景中分区景观为“开放”区域从森林(> 25米),“边缘”(开放区域<从森林25米),和“森林”(> 10 y-old)。森林边缘的阻力值被设置为半开放区域的阻力。第二个场景是为了评估森林边界影响貂运动,基于野外观察貂跟踪经常被记录在狭窄的道路和前几米的开放区域的“核心”开放的栖息地。第三个场景景观分区到:“开放的栖息地,”“年轻森林”30 y-old(11),和“成熟”(> 30 y-old),无边缘效应。后者场景细分在三个子组,根据电阻的年轻站相对的开放区域(率= 1/4、1/2、3/4;表
1 ;相对成本权重(
28 ])。每个场景都由自己的一系列10地图不同阻力的开放区域(见上图)。
表1
阻力值的例子在年轻的森林景观层开放/年轻的成熟和开放的阻力值设置为12。
电阻率(年轻的森林:开放区域)
电阻
成熟的森林
年轻的森林
开放区域
1:4
1
3
12
1:2
1
6
12
3:4
1
9
12
三个栖息地阻力场景中,应用于选定的蒙特默伦西樱桃森林的一部分,加拿大的魁北克。
(一)
![]()
(b)
![]()
(c)
![]()
2.6。地图粒度
地图粮食可以采行造型的一个重要问题
31日 ]。因此,我们跑所有与四个地图分析晶粒大小。我们从向量转换每个地图层光栅形式,与地图晶粒大小5,25岁,100年,300米。小地图谷物导致不间断森林道路和河流,而粗谷物地图创建桥梁线性特性(图
4 )。
景观matrix-grid蒙特默伦西樱桃森林的一部分,与不同的谷物。地图谷物= 5 m (a),地图谷物= 25 m (b),地图一粒一粒= 100 (c)和地图= 300 (d)。怀特:开放区域,浅灰色:年轻的森林和深灰色:成熟森林。
(一)
![]()
(b)
![]()
(c)
![]()
(d)
![]()
2.7。零模型
还生成一个空模型,阻力值被设置为一个在所有栖息地类型(
32 ]。总而言之,我们每年产生201电阻地图,由10阻力位公开×4×5场景地图谷物,加上一个空模型(恒定电阻)(表
2 )。
表2
模型组成。表中的每一行导致10成本表面,因为10个值被分配在开放区域抵抗这些组合。没有空模型,200成本表面从而创建。
地图粮食
主题的决议
比电阻的年轻森林相比,开放区域
疏林
- - - - - -
Open-edge-forest
- - - - - -
5米
Open-young-mature
1/4
Open-young-mature
1/2
Open-young-mature
3/4
疏林
- - - - - -
Open-edge-forest
- - - - - -
25米
Open-young-mature
1/4
Open-young-mature
1/2
Open-young-mature
3/4
疏林
- - - - - -
Open-edge-forest
- - - - - -
100米
Open-young-mature
1/4
Open-young-mature
1/2
Open-young-mature
3/4
疏林
- - - - - -
Open-edge-forest
- - - - - -
300米
Open-young-mature
1/4
Open-young-mature
1/2
Open-young-mature
3/4
2.8。代价最小的路径分析
我们使用了最小路径法(
7 成本)来模拟运动的美国貂在表面,在网格细胞貂运动的参数化根据预测成本。ArcGIS 9.3 COSTDISTANCE和COSTPATH工具(
33 )被用来计算每个单元的累积成本的景观和连接源和目标细胞的累积成本最小。蒙特默伦西樱桃的航拍照片森林每年更新,这使得我们year-specific地图。每年为每个201电阻地图(不同主题的决议、谷物、地图和成本分配),我们模拟貂运动路径连接100个随机点的西部边缘研究区100个随机点的东部边缘研究领域。模拟路径的路径可能代表一些真正的马顿斯,因为一些貂活动范围(1 - 96.6公里2 根据条件(
34 ,
35 ])掩盖不了森林的宽度(3 - 16.5公里)。因此,该方法并不认为动物整个景观的完美知识。
2.9。模拟和跟踪观察的位置
一旦得到了代价最小的路径,我们生成的“模拟跟踪”每一点代价最小的路径分割的一个横断面抽样。每个成本表面然后通过比较测试位置模拟轨道的位置的追踪观察。这些模拟的轨道,我们首先计算距离最近的观察跟踪(最小距离)。其次,我们每个距离加权的小时数的倒数之间传递过去的气候扰动在森林里(风速> 20公里/小时或降雪> 3厘米)和貂时跟踪观察。气候数据是由一个自动气象站记录每小时(
24 ),咨询前每天在地里干活。我们没有加权观测和模拟轨道之间的距离,很长一段时间跟踪和气候之间的干扰就会人为地带来了真正的追踪接近模拟跟踪,因为跟踪数量的增加大做文章天积累,从而减少模拟和跟踪观察之间的平均距离。
2.10。比较耐场景
每个成本表面的性能评估从100年加权平均数之间的距离真实和模拟跟踪,与100年获得最低成本路径。总长度的覆盖横断面年之间的不同,导致不同的数量每年貂跟踪记录(表
3 )。多年来与更多的观察追踪导致较小的模拟之间的距离和观察到的痕迹。今年来消除影响由于貂跟踪密度,每个模型的性能与相应年度的零模型的性能。零模型的性能测量的中位数100加权平均数之间的距离观察和模拟。我们用中位数,而不是意味着因为距离加权平均数的总体布局是向右倾斜(斜= 1.71,阿戈斯蒂诺•测试:
z
=
22.8
,
P
<
0.001
)。每个201成本表面的性能表示为500的比例最小路径(5年,每年100路径)显示的平均距离小于相应年度的零模型的性能。每个模拟路径的性能(比零模型)被认为是一个独立的这个试验。因此,我们分析了模型性能的比例模型,比零模型使用二项误差与广义线性模型结构和分对数链接功能(PROC GENMOD, SAS 9.1 v,卡里,数控,美国)。
表3
抽样的snow-tracking从2004年到2008年。
一年
样总长度(公里)
貂的跟踪
林业公路和小径
以外的道路和小径
2004年
89年
39
259年
2005年
86年
19
260年
2006年
138年
46
291年
2007年
116年
28
247年
2008年
145年
43
610年
总
574年
175年
1667年
3所示。结果
开放地区,年轻和成熟的代表,分别覆盖19%,25%,56%在2004年(max每个栖息地类型变异的1.6%在2004年到2008年之间)。每年我们记录的位置> 247貂跟踪超过100公里的横断面(表
3 )。同时没有雪和强风在抽样之前
95.7
h
±
29.8
h
(
N
=
749年
横断面)。因为样长度变化年复一年,每年的跟踪模拟数量范围从131 791 - 240 643。一些模拟路径没有横截面,因此,没有生成创建模拟跟踪。这些模型,模拟路径的数量被用来估计性能低于500。
3.1。专题地图的分辨率
不同主题的决议,采行模型的性能的影响。200年成本的表面,127例(63.5%)表现好于相应的零模型,其中53(明显表现的更好
P
<
0.05
)。成本表面张开和森林地区(的),和模拟森林边缘,和开放的地区(OEF)没有比零模型的表现较佳,并达显著程度。后占地区粮食和运动阻力在开放地图(3型测试,SAS PROC GENMOD),抵抗运动模型考虑边缘小于“核心”开放区域没有比模型与边缘抗“核心”开放区域(与OEF的线性对比,
χ
2
<
0.01
,
df
=
1
,
P
>
0.9
)。占地图谷物和阻力后打开,添加运动阻力估计是特定于年轻站显著提高性能的模型(线性对比,/ OEF和OYM模拟,
χ
2
=
318.52
,
df
=
1
,
P
<
0.0001
;见表
4 结果有100粒)。占后晶粒尺寸和阻力在开放领域,模型与运动阻力在年轻组的75%,在开放的栖息地的表现明显比当比率是25%(线性对比,
χ
2
=
4.73
,
df
=
1
,
P
=
0.03
)。相对运动成本在年轻的变化对模型性能的影响非常小的晶粒尺寸(图
5 )。模拟电阻在年轻站在开放区域取得了50%的中间结果(线性电阻与25%和75%:
χ
2
<
1。5
,
df
=
1
,
P
>
0.22
)。
表4
500比例的模拟的平均距离小于中位数均值的距离零模型相应的年。分数在幼林括号表示电阻相对于电阻在开放区域。比例明显大于50(比零模型)所示大胆的字体。结果显示有100粒。
主题的决议
开放、森林
开放、边缘、森林
开放,年轻(1/4),成熟
开放,年轻(1/2),成熟
开放,年轻(3/4),成熟
阻力分配给开放区域
4
51.1
49.7
49.7
62.4
64.4
8
49.7
49.9
61.8
61.2
61.6
12
49.7
49.5
62.2
61.6
62.0
16
49.7
49.7
61.4
62.2
61.4
20.
49.9
49.7
61.8
62.2
61.6
60
51.5
49.5
61.4
60.6
61.0
One hundred.
49.7
49.7
60.4
60.2
60.6
200年
49.3
49.9
60.2
60.0
59.8
600年
49.5
48.7
59.6
59.8
60.0
1000年
49.5
49.7
60.2
59.8
60.0
图5
意味着(SE)与开放相关的性能与10运动的模拟电阻相对于电阻分配给年轻的森林栖息地(1/4、1/2和3/4),和在不同的粒度。性能被定义为500模拟平均距离的百分比小于中位数均值的距离零模型相应的年。
![]()
3.2。地图粒度
地图粒度对运动路径选择的影响相当占边缘后,主题决议,在开阔的位置(图和运动阻力
5 )。地图粒径比执行的100 5,25岁或300(线性对比:
χ
2
>
80.0
,
df
=
1
,
P
<
0.0001
)。模拟颗粒的25米也表现得更好比谷物5米(
χ
2
=
5.1
,
df
=
1
,
P
=
0.02
),但25米和5米的区别模拟(图是微不足道的
5 )。晶粒尺寸的300没有比任何其他粒度(5和25米的线性与谷物:
χ
2
<
1.50
,
df
=
1
,
P
>
0.2
)。
3.3。运动阻力在开放区域
后占森林边缘,专题地图的分辨率,和地图谷物,模型性能最高当假设的抵抗运动在开放区域高于成熟森林(图20倍
6 )。后者20×阻力不表现明显好于其他抗性(线性对比,
P
>
0.05
),但最低五抵抗运动,作为一个群体,表现好于最高的五个抗性(线性对比,
χ
2
=
4.5
,
df
=
1
,
P
<
0.03
)。使用所有模型加权的性能,运动阻力的平均估计在开放的栖息地为45.5,但95%可信限覆盖整个范围的假设的抗性,这估计不可靠。
图6
意味着(SE)与10运动性能的模拟电阻与开放的栖息地。性能被定义为500模拟平均距离的百分比小于中位数均值的距离零模型相应的年。后性能估计得到占森林边缘,专题地图的分辨率和地图粒度。
![]()
4所示。讨论
我们表明,简单假设貂运动可以解释的一个不可忽视的部分貂活动管理森林的分布,特别是在粗级别的地图。专题地图的分辨率的性能之间存在着显著的差异取决于假设抵抗运动在开放领域和再生森林。罗宾逊(
36 )建议美国martens避免冒险深入在冬天开放区域。他发现,没有一个超过25码(
≈ 23米)为公开的栖息地尽管诱饵的存在。然而,我们发现,考虑森林边缘的抵抗运动不及领域深入开放的栖息地不提高模拟性能。缺乏抵抗开放区域和边缘之间的区别可能出现的差异运动阻力的道路和清晰的边缘,这两个被归入“边缘群体”在我们的研究中。支持这个想法,貂跟踪是很少观察到在前25米开放站附近的森林,但它们通常被记录在狭窄的道路(o . Planckaert per。奥林匹克广播服务公司)。然而,这些领域的印象可能出现的高采样工作路径相比,在开放区域。美国蒙特默伦西樱桃森林并发研究发现martens走近森林道路和明确的边缘同样(
37 ]。
分配一个中间抵抗年轻森林(11 - 30 y-old站)100粒径近似最佳观察到的跟踪位置。这个结果表明,站的年轻森林不像成熟的透水貂运动站。另外,包括年轻和成熟森林在我们的模型中,我们可能合并因素间接与运动相关的成本,如猎物密度具体站。在冬天,martens等大型猎物狩猎主要飞鼠(北部
Glaucomys sabrinus ),美国红松鼠(
Tamiasciurus hudsonicus )和雪鞋野兔(
天兔座也 )[
38 和以microtine啮齿动物只是顺便一提
39 ]。在我们的研究区域,松鼠和兔子发生在类似的密度在年轻,再生,和老林地
40 ),因此猎物密度在森林不太可能影响我们的结果。然而,缺乏觅食的开放领域可能增加运动的机会成本在这些栖息地。
专题地图拥有100粒度更好地描述景观结构被貂比地图与细或粗颗粒。Broquet et al。
10 ]估计最小路径和六粒大小(10、25、50、75、100和500)来评估美国martens的景观结构对传播的影响,以及它们之间没有发现显著不同的结果,除了性能较低,海拔500米。地图在我们的研究中,有100粒度导致不连续道路和模拟更现实的貂跟踪位置比细和粗地图谷物,可能是因为“裂缝”的创建(或桥梁)的地图。刚刚[
41 ]“裂缝”定义快捷键在昂贵的线性代表以栅格形式的贸易壁垒。这表明,林业道路高度渗透貂的动作。在森林道路网密度特别高的地方,比如这里的情况,这些“裂缝”可能代表位置狭窄的道路上martens用来从一个林分转移到另一个地方。此外,尽管我们没有考虑生境宽度明确,应用100粮食的土地利用地图可能创造了大森林补丁和消除狭窄的森林补丁,迫使模拟成本路径穿过大片的合适的栖息地。在这个粒度模型获得的性能表明,貂使用大补丁进行运动,所观察到的Hargis et al。
12 ]。粗粒300地图可能产生大森林补丁,也可以导致完全开放的地区,不适合martens阻碍运动,确认连接合适的栖息地(貂是敏感
22 ]。我们得出结论,采行的方法必须交叉敏感的粮食,因为差距和敏感连接高质量的栖息地。
Broquet et al。
10 )应用阻力值50倍的unforested和开放区域(< 20 y-old)比在森林和显示50×成本比没有差分成本。模型性能达到顶峰在我们分析时阻力在开放成熟森林的栖息地是20倍,但是这个峰值的位置是不可靠的。这个结果并不意味着开放栖息地不是抵抗movemet貂相对于其他landcover类型。相反,蒙特默伦西樱桃森林可能不够异构的栖息地类型和配置允许我们评估精确相对运动阻力在开放领域比较成熟的森林。怀俄明(美国)南部Cushman et al。
22 ]认为nonforest封面是对美国貂运动时支离破碎的景观(24%清楚分布不均匀)。在景观是高度由成片的森林,他们表明,开放区域避免少16倍。同样,斯凯特et al。
42 )无法估计运动阻力欧亚lynx (
猞猁猞猁 )在中欧和解释说这是一个缺乏多样性景观连通性。栖息地的空间变异性特征会影响到他们对运动的影响和权力来检测这些关系
43 ]。柯恩et al。
17 ),没有发现重要的景观特点对遗传距离的影响,认为开放栖息地不是很耐貂运动相对于其他landcover类型在全省范围的规模(安大略省)。他们认为,景观功能影响貂运动之间的不同空间尺度上(
15 ]。
我们知道更好的模型可能存在我们没有测试。阻力值和颗粒大小任意设置,地图和nontested值可能导致更高的性能代价最小的路径。然而,阻力值开放区域不能设置更高的森林边界后的代价最小的路径,因为与晶粒大小的范围使用基于森林管理尺度。简化映射分辨率最高三个类可能不是最强的景观模型解释貂运动(
31日 ]。我们限制我们的模型数量很少的栖息地类别显示假设两个景观标准(例如,森林年龄和边缘)可以足以模型运动阻力明显的栖息地专家像美国貂。进一步研究貂运动阻力更多的异构风景可能导致泛化,采行因素估计森林管理规模(空间复制;(
43 ,
44 ])。snow-tracking可以批评,因为它在太空中产生强烈的非均匀采样工作。非均匀采样工作可以添加偏置距离;在横断面罕见,模拟和真实之间的距离跟踪可能更高。这个问题被解决通过比较这些距离,而不是使用绝对的。有人可能会认为,统计分析也可以偏见由于轨道的空间聚类相同的个体,可以记录多次在同一横断面。然而,我们的抽样单位不是单曲,但是代价最小的路径,一个距离(适合)指标计算给定的一组参数。我们因此避免pseudoreplication归因于从同一个人重复跟踪。
森林管理场景是基于从场景基于访问站质量有很大的不同,前者主要关注树属性(种类、大小、障碍、碎片等),后者主要关注的配置。我们的研究有助于森林管理给访问和重量,因此,站配置问题。我们表明,那里的数据可以帮助理解运动成本貂的北方森林和空间的参数化模型。正确的地图粒度的选择似乎是至关重要的空间显式的仿真模型。虽然人口的持久性,这可能是不重要的在我们的研究中,矩阵的阻力可能阻止动物运动通过更加分散的风景。更多关于美国貂运动的研究在森林管理范围将有用的改进这些模型在异构的风景。