. To generate a null distribution o

. To generate a null distribution of movement paths,
We used a biased random walk model (e.g., Bartoń et al., 2009) to simulate movement paths beginning at the point an animal first came within 15 km of the road and continued until the number of steps matched the actual number of steps an animal took after coming within 15 km of the road (i.e., until 15 Dec). To simulate steps, we obtained an empirical distribution of step lengths from each individual from the beginning of the migration period until it first came within 15 km of the road. From these same steps we determined the directional persistence of steps by
calculating the mean resultant length. We then sampled the direction of each simulated step from a wrapped normal distribution with the concentration parameter set from the mean resultant length and the mean direction set to the location that the individual actually crossed the road
using the ‘rwrpnorm’ function in the ‘CircStat’ package for R (R Development Core Team, 2013). Themean direction changed at each simulated step. Once a simulated path crossed the road, we changed the mean direction to the location of that individual on 15 Dec. For individuals
that came within 15 km of the road but did not cross it, we set the mean direction to the point on the road the individual came closest to.We simulated 100 paths for each individual, based on each individual's empirical distributions of step lengths and turn angles.

ผลลัพธ์ (ไทย) 1:

. สร้างแจกเป็น null ของเส้นทางการเคลื่อนไหวเราใช้แบบ biased เดินสุ่ม (เช่น Bartoń et al. 2009) การจำลองเส้นทางการเคลื่อนไหวเริ่มต้นที่จุดสัตว์มาภายใน 15 กม.ของถนนก่อน และต่อเนื่องจนกว่าหมายเลขของขั้นตอนการจับคู่จำนวนตอนสัตว์เอาหลังมาภายใน 15 กม.ของถนน (เช่น จนถึง 15 ธันวาคม) เพื่อจำลองขั้นตอน เราได้รับการกระจายเชิงประจักษ์ของขั้นตอนยาวจากแต่ละจากจุดเริ่มต้นของรอบระยะเวลาการโยกย้ายจนก่อนที่จะเข้ามาภายใน 15 กม.ของถนน จากขั้นตอนเดียวกัน ที่เรากำหนดอยู่ทิศทางของขั้นตอนโดยคำนวณความยาวผลลัพธ์หมายถึง เราเก็บตัวอย่างทิศทางของแต่ละขั้นตอนที่จำลองจากแจกตัดพารามิเตอร์ความเข้มข้นจากความยาวเฉลี่ยผลลัพธ์และทิศทางหมายถึงกำหนดไปยังตำแหน่งที่แต่ละคนเดินข้ามถนนจริงแล้วใช้ฟังก์ชัน 'rwrpnorm' ในโปรแกรม 'CircStat' สำหรับ R (R พัฒนาหลักทีม 2013) Themean ทิศทางการเปลี่ยนแปลงในแต่ละขั้นตอนที่จำลอง เมื่อเส้นทางจำลองข้ามถนน เราเปลี่ยนทิศทางหมายถึงที่ตั้งของแต่ละที่บน 15 ธันวาคม สำหรับบุคคลที่มาภายใน 15 กม.ของถนน แต่ไม่ข้ามมัน เรากำหนดทิศทางหมายถึงการจุดบนถนนแต่ละคนมาใกล้เคียงกับ เราจำลองเส้นทาง 100 สำหรับแต่ละบุคคล อิงการกระจายเชิงประจักษ์ของแต่ละขั้นตอนที่ยาว และเปิดมุม

ผลลัพธ์ (ไทย) 2:

. เพื่อสร้างการกระจาย null ของเส้นทางการเคลื่อนไหว
เราใช้รูปแบบการเดินสุ่มลำเอียง (เช่นบาร์ตัน et al., 2009) การจำลองเส้นทางการเคลื่อนไหวเริ่มต้นที่จุดสัตว์แรกที่เข้ามาภายใน 15 กม. ของถนนและต่อเนื่องจนถึงจำนวน ขั้นตอนการจับคู่ตัวเลขจริงของขั้นตอนสัตว์เอาหลังจากที่เข้ามาภายใน 15 กม. ของถนน (เช่นจนถึง 15 ธันวาคม) เพื่อจำลองขั้นตอนนี้เราได้รับการกระจายเชิงประจักษ์ของความยาวจากขั้นตอนที่แต่ละคนจากจุดเริ่มต้นของช่วงเวลาการโยกย้ายจนแรกที่เข้ามาภายใน 15 กม. ของถนน จากขั้นตอนเดียวกันเหล่านี้เรากำหนดทิศทางการติดตาขั้นตอนโดย
การคำนวณความยาวของผลเฉลี่ย จากนั้นเราจะชิมทิศทางของแต่ละขั้นตอนการจำลองจากการกระจายปกติห่อด้วยพารามิเตอร์ความเข้มข้นที่กำหนดจากความยาวของผลเฉลี่ยและทิศทางหมายถึงการตั้งค่าไปยังตำแหน่งที่แต่ละจริงข้ามถนน
โดยใช้ 'rwrpnorm' ฟังก์ชั่นใน 'CircStat' แพคเกจสำหรับ R (การพัฒนาทีมงานหลัก R, 2013) ทิศทาง Themean การเปลี่ยนแปลงในแต่ละขั้นตอนการจำลอง เมื่อเส้นทางจำลองข้ามถนนที่เราเปลี่ยนทิศทางหมายถึงสถานที่ตั้งของบุคคลที่เกี่ยวกับ 15 ธันวาคมสำหรับบุคคล
ที่มาภายใน 15 กิโลเมตรจากถนน แต่ไม่ได้ข้ามเราจะกำหนดทิศทางหมายถึงจุดบนถนน บุคคลที่เข้ามาอยู่ใกล้ to.We จำลอง 100 เส้นทางสำหรับแต่ละบุคคลบนพื้นฐานของการกระจายเชิงประจักษ์ของแต่ละขั้นตอนของความยาวและเปิดมุม