基于加速器的行为预测揭示了影响斑点子日常活动模式的因素

科学领域:

• 伦理学 伦理学 伦理学
• 行为生态学 行为生态学
• 机器学习在野生动物科学中的应用

背景情况:

• 动物活动模式是复杂的,受到内部和外部因素的影响,包括社会动态.
• 监测野生动物的长期活动带来了重大挑战.
• 斑点子 (Crocuta crocuta) 生活在复杂的裂变融合社会中,使它们的活动模式特别有趣.

研究的目的:

• 开发和验证一种机器学习分类器,用于从加速度计数据中识别斑点的行为状态.
• 为了生成野生子的综合活动模式记录.
• 调查过去活动,个体特征和社会同步对活动的影响.

主要方法:

• 开发和验证用于行为状态识别的机器学习分类器.
• 在五只野生斑点身上部署了基于项圈的加速度计,以持续收集数据.
• 对超过一个月的行为序列进行分析,以确定活动模式和驱动因素.

主要成果:

• 斑点子表现出明显的黄昏夜间日常活动模式.
• 活动水平独立于前几天的活动,表明没有活动补偿.
• 在花费更多时间在一起的海对中观察到同步的活动模式,对个体影响的证据有限.

结论:

• 机器学习为从加速度计数据中量化动物行为提供了一个强大的工具.
• 活动模式主要是由日常循环和社交接近驱动的,而不是先前的活动或强烈的个人影响.
• 了解像子这样的社会食肉动物的活动模式,可以了解它们的行为生态和社会动态.