Abstract Quantifying animal movements is necessary for answering a wide array of research questions in ecology and conservation biology. Consequently, ecologists have made considerable efforts to identify the best way to estimate an animal’s home range, and many methods of estimating home ranges have arisen over the past half century. Most of these methods fall into two distinct categories of estimators that have only recently been described in statistical detail: those that measure range distributions (methods such as Kernel Density Estimation that quantify the long-run behavior of a movement process that features restricted space use) and those that measure occurrence distributions (methods such as Brownian Bridge Movement Models and the Correlated Random Walk Library that quantify uncertainty in an animal movement path during a specific period of observation). In this paper, we use theory, simulations, and empirical analysis to demonstrate the importance of applying these two classes of space use estimators appropriately and distinctly. Conflating range and occurrence distributions can have serious consequences for ecological inference and conservation practice. For example, in most situations, home-range estimates quantified using occurrence estimators are too small, and this problem is exacerbated by ongoing improvements in tracking technology that enable more frequent and more accurate data on animal movements. We encourage researchers to use range estimators to estimate the area of home ranges and occurrence estimators to answer other questions in movement ecology, such as when and where an animal crosses a linear feature, visits a location of interest, or interacts with other animals. Open Research Statement Tracking data on Aepyceros melampus, Beatragus hunteri, Bycanistes bucinator, Cerdocyon thous, Eulemur rufifrons, Glyptemys insculpta, Gyps coprotheres, Madoqua guentheri, Ovis canadensis, Propithecus verreauxi, Sus scrofa , and Ursus arctos are publicly archived in the Dryad repository (Noonan et al. 2018; https://doi.org/10.5061/dryad.v5051j2 ), as are data from Procapra gutturosa (Fleming et al. 2014a; https://doi.org/10.5061/dryad.45157 ). Data on Panthera onca were taken from (Morato et al. 2018). Additional data are publicly archived in the Movebank repository under the following identifiers: Canis latrans , 8159699; Canis lupus , 8159399; Chrysocyon brachyurus , 18156143; Felis silvestris , 40386102; Gyps africanus , 2919708; Lepus europaeus , 25727477; Martes pennanti , 2964494; Panthera leo , 220229; Papio cynocephalus , 222027; Syncerus caffer , 1764627; Tapirus terrestris , 443607536; Torgos tracheliotus , 2919708; and Ursus americanus , 8170674.

Abstract Increasing habitat fragmentation and disturbance threaten long distance movements of ungulates. While the effects of impermeable barriers on ungulate migrations have been well researched, quantitative evidence for gradual and long-term changes of mobility in response to anthropogenic disturbance remains relatively rare. We investigated changes in movement behavior of Mongolian gazelle Procapra gutturosa , a nomadic ungulate species native to the Mongolian steppe. Using GPS tracking data collected from 62 gazelle individuals between 2007 and 2021, we quantified 16-day displacement distances for each individual as a metric for long-distance movements. We used generalized linear mixed models, generalized additive models and additive quantile mixed models to assess how anthropogenic and environmental factors affected gazelle movement behavior. Long distance 16-day movements decreased significantly by up to 36 %, from 142 km in 2007 to 92 km in 2021. Changes in gazelle mobility were affected by the increasing number of vehicles in Mongolia, but could not be explained by concurrent changes in other environmental factors like temperature, precipitation or vegetation greenness that often drive ungulate migration behavior. Moreover, we found that gazelle movement decreased close to roads, and that gazelles stayed further away from roads during the snow-free season, when vehicular traffic likely is most intense. Conserving landscape permeability is essential for maintaining populations of highly mobile species. Our study provides evidence for a gradual decline in gazelle mobility over fifteen years as a response to increasing anthropogenic impact. To date, the transportation infrastructure permeating the Eastern Steppe does not pose physical barriers, yet our findings suggest that increasing traffic volume may create semipermeable barriers to gazelle movement. As human activity is increasing throughout the Eastern Steppe, interactions between ungulates and vehicle traffic need to be closely monitored in order to identify, localize, and mitigate semipermeable barrier effects before landscape permeability is severely altered.

Network approaches provide insight into the complex web of interspecific interactions that structure ecological communities. However, because data on the functional outcomes of ecological networks are very rarely available, the effect of network structure on ecosystem functions, such as seed dispersal, is largely unknown. Here, we develop a new approach that is able to link interaction networks to a trait-based seed-dispersal model to estimate community-wide seed dispersal distances. We simulated networks, using a niche model based on size-matching between plants and birds, that varied in the degree of niche partitioning. We found that community-wide dispersal distances were longest when networks had low degrees of niche partitioning. We further found that dispersal distances of plant species with small fruits peaked in models without niche partitioning, whereas dispersal distances of medium and large-fruited plants peaked at low degrees of niche partitioning. Our simulations demonstrate that the degree of niche partitioning between species is an important determinant of the ecological functions derived from ecological networks and that simulation approaches can provide new insights into the relationship between the structural and functional components of ecological networks.

Abstract The most basic behavioural states of animals can be described as active or passive. However, while high-resolution observations of activity patterns can provide insights into the ecology of animal species, few methods are able to measure the activity of individuals of small taxa in their natural environment. We present a novel approach in which the automated VHF radio-tracking of small vertebrates fitted with lightweight transmitters (< 0.2 g) is used to distinguish between active and passive behavioural states. A dataset containing > 3 million VHF signals was used to train and test a random forest model in the assignment of either active or passive behaviour to individuals from two forest-dwelling bat species ( Myotis bechsteinii (n = 50) and Nyctalus leisleri (n = 20)). The applicability of the model to other taxonomic groups was demonstrated by recording and classifying the behaviour of a tagged bird and by simulating the effect of different types of vertebrate activity with the help of humans carrying transmitters. The random forest model successfully classified the activity states of bats as well as those of birds and humans, although the latter were not included in model training (F-score 0.96–0.98). The utility of the model in tackling ecologically relevant questions was demonstrated in a study of the differences in the daily activity patterns of the two bat species. The analysis showed a pronounced bimodal activity distribution of N. leisleri over the course of the night while the night-time activity of M. bechsteinii was relatively constant. These results show that significant differences in the timing of species activity according to ecological preferences or seasonality can be distinguished using our method. Our approach enables the assignment of VHF signal patterns to fundamental behavioural states with high precision and is applicable to different terrestrial and flying vertebrates. To encourage the broader use of our radio-tracking method, we provide the trained random forest models together with an R-package that includes all necessary data-processing functionalities. In combination with state-of-the-art open-source automated radio-tracking, this toolset can be used by the scientific community to investigate the activity patterns of small vertebrates with high temporal resolution, even in dense vegetation.