Animal movement is fundamental for ecosystem functioning and species survival, yet the effects of the anthropogenic footprint on animal movements have not been estimated across species. Using a unique GPS-tracking database of 803 individuals across 57 species, we found that movements of mammals in areas with a comparatively high human footprint were on average one-half to one-third the extent of their movements in areas with a low human footprint. We attribute this reduction to behavioral changes of individual animals and to the exclusion of species with long-range movements from areas with higher human impact. Global loss of vagility alters a key ecological trait of animals that affects not only population persistence but also ecosystem processes such as predator-prey interactions, nutrient cycling, and disease transmission.

Ecologists carry a well-stocked toolbox with a great variety of sampling methods, statistical analyses and modelling tools, and new methods are constantly appearing. Evaluation and optimisation of these methods is crucial to guide methodological choices. Simulating error-free data or taking high-quality data to qualify methods is common practice. Here, we emphasise the methodology of the 'virtual ecologist' (VE) approach where simulated data and observer models are used to mimic real species and how they are 'virtually' observed. This virtual data is then subjected to statistical analyses and modelling, and the results are evaluated against the 'true' simulated data. The VE approach is an intuitive and powerful evaluation framework that allows a quality assessment of sampling protocols, analyses and modelling tools. It works under controlled conditions as well as under consideration of confounding factors such as animal movement and biased observer behaviour. In this review, we promote the approach as a rigorous research tool, and demonstrate its capabilities and practical relevance. We explore past uses of VE in different ecological research fields, where it mainly has been used to test and improve sampling regimes as well as for testing and comparing models, for example species distribution models. We discuss its benefits as well as potential limitations, and provide some practical considerations for designing VE studies. Finally, research fields are identified for which the approach could be useful in the future. We conclude that VE could foster the integration of theoretical and empirical work and stimulate work that goes far beyond sampling methods, leading to new questions, theories, and better mechanistic understanding of ecological systems.

Biological control of pests by natural enemies is a major ecosystem service delivered to agriculture worldwide. Quantifying and predicting its effectiveness at large spatial scales is critical for increased sustainability of agricultural production. Landscape complexity is known to benefit natural enemies, but its effects on interactions between natural enemies and the consequences for crop damage and yield are unclear. Here, we show that pest control at the landscape scale is driven by differences in natural enemy interactions across landscapes, rather than by the effectiveness of individual natural enemy guilds. In a field exclusion experiment, pest control by flying insect enemies increased with landscape complexity. However, so did antagonistic interactions between flying insects and birds, which were neutral in simple landscapes and increasingly negative in complex landscapes. Negative natural enemy interactions thus constrained pest control in complex landscapes. These results show that, by altering natural enemy interactions, landscape complexity can provide ecosystem services as well as disservices. Careful handling of the tradeoffs among multiple ecosystem services, biodiversity, and societal concerns is thus crucial and depends on our ability to predict the functional consequences of landscape-scale changes in trophic interactions.

Abstract Aim Linking local population dynamics and species distributions is critical to predicting the impacts of climate change. While many studies focus on the mean fitness of populations, theory shows that species distributions can be shaped by demographic stochasticity or population resilience. Here we examine how mean fitness (measured by invasion rate), demographic stochasticity, and resilience (measured by the ability to recover from disturbance) constrain populations at the edges compared to the climatic center. Location Europe: Spain, France, Germany, Finland, and Sweden. Period Forest inventory data used for fitting the models cover the period from 1985 to 2013. Major taxa Dominant European tree species; Angiosperms and Gymnosperms. Methods We developed dynamic population models covering the entire life cycle of 25 European tree species with climatically dependent recruitment models fitted to forest inventory data. We then ran simulations using integral projection and individual-based models to test how invasion rates, risk of stochastic extinction, and ability to recover from stochastic disturbances differ between the center and edges of species’ climatic niches. Results Results varied among species, but in general, demographic constraints were stronger at warm edges and for species in harsher climates. Conversely, recovery was more limiting at cold edges. In addition, we found that for several species, constraints at the edges were due to demographic stochasticity and recovery capacity rather than mean fitness. Main conclusion Our results highlight that mean fitness is not the only mechanism at play at the edges; demographic stochasticity and population capacity to recover also matter for European tree species. To understand how climate change will drive species range shifts, future studies will need to analyse the interplay between population mean growth rate and stochastic demographic processes as well as disturbances.

Habitat selection analysis includes resource selection analysis (RSA) and step selection analysis (SSA). These frameworks are used in order to understand space use of animals. Particularly, the SSA approach specifies the space availability of sequential locations through a movement kernel. This movement kernel is typically defined as the product of independent parametric distributions of step lengths (SLs) and turning angles (TAs). However, this assumption may not always be plausible for real data where short SLs are often correlated with large TAs and vice versa. The objective of this paper is to relax the need for parametric distributions using generalized additive models (GAMs) and the R-package mgcv, based on the work of Klappstein et al. (2024). For this, we propose to specify the movement kernel as a bivariate tensor product, rather than independent distributions of SLs and TAs. In addition, we account for residual spatial autocorrelation in this GAM-approach. Using simulations, we show that the tensor product approach accurately estimates the underlying movement kernel and that the fixed effects of the model are not biased. In particular, if the data are simulated with a copula distribution for SL and TA, i.e. if the independence assumption for SL and TA does not hold, the GAM approach produces better estimates than the classical approach. In addition, including a bivariate tensor product in the model leads to a better uncertainty estimation of the model parameters and a higher predictive quality of the model. Incorporating a bivariate tensor product solves the problem of assuming parametric distributions and independence between SLs and TAs. This offers greater flexibility and makes the analysis of real data more reliable.

Aim Processes driving current tree species distribution are still largely debated, and uncertainties about processes at play remain. Attempts to relate environmental factors and population related metrics have shown mixed results, and the link between tree species range and their population dynamics are unclear. In this context, we would like to test the hypotheses that meta-population processes of colonization and extinction drive species distributions.Location Europe: Spain, France, Germany, Finland, and Sweden.Taxon Angiosperms and Gymnosperms.Methods For the 17 tree species analyzed we fitted species distribution model (SDM) relating environmental variables to presence absence data across Europe. Then using harmonized national forest inventories across Europe we tested whether colonization and extinction probabilities are related to occurrence probability estimated by the SDMs. Finally, we tested whether the equilibrium probability of presence derived from these models of colonization and extinction match the observed species distribution.Results We found that for most species that colonization probabilities in-creased with increasing occurrence probability, and conversely extinction probabilities decreased. We found that the equilibrium probability of presence derived from simple meta-population models was positively correlated but generally overestimated the SDM occurrence probability.Main conclusions Our study supports the view that meta-population dynamics are partly related to SDM occurrence probability. The over estimation of our simple meta-populations models probability of occurrence at equilibrium could be related to simplification of dispersal processes.

Abstract A standing challenge in the study of animal movement ecology is the capacity to predict where and when an individual animal might occur on the landscape, the so-called, Utilization Distribution (UD). Under certain assumptions, the steady-state UD can be predicted from a fitted exponential habitat selection function. However, these assumptions are rarely met. Furthermore, there are many applications that require the estimation of transient dynamics rather than steady-state UDs (e.g. when modeling migration or dispersal). Thus, there is a clear need for computational tools capable of predicting UDs based on observed animal movement data. Integrated Step-Selection Analyses (iSSAs) are widely used to study habitat selection and movement of wild animals, and result in a fully parametrized individual-based model of animal movement, which we refer to as an integrated Step Selection Function (iSSF). An iSSF can be used to generate stochastic animal paths based on random draws from a series of Markovian redistribution kernels, each consisting of a selection-free, but possibly habitat-influenced, movement kernel and a movement-free selection function. The UD can be approximated by a sufficiently large set of such stochastic paths. Here, we present a set of functions in R to facilitate the simulation of animal space use from fitted iSSFs. Our goal is to provide a general purpose simulator that is easy to use and is part of an existing workflow for iSSAs (within the amt R package). We demonstrate through a series of applications how the simulator can be used to address a variety of questions in applied movement ecology. By providing functions in amt and coded examples, we hope to encourage ecologists using iSSFs to explore their predictions and model goodness-of-fit using simulations, and to further explore mechanistic approaches to modeling landscape connectivity.