验证隐藏的马尔科夫模型用于海鸟行为推断
Rebecca A Akeresola1,2, Adam Butler2, Esther L Jones2
1School of Mathematics and Maxwell Institute for Mathematical Sciences University of Edinburgh Edinburgh UK.
Ecology and evolution
|March 5, 2024
概括
隐藏的马尔科夫模型 (HMMs) 从跟踪数据中准确推断海鸟行为,通过视觉跟踪验证. 这通过提供可靠的动物运动见解来改善保护规划.
科学领域:
- 海洋生态海洋生态学
- 动物行为 动物行为
- 保护科学 保护科学
背景情况:
- 在海洋环境中观察动物行为是一项挑战.
- 隐藏的马尔科夫模型 (HMMs) 从遥测数据推断行为.
- 由于缺乏基础真相数据,验证这些推断行为是很困难的.
研究的目的:
- 调查HMM用于推断海鸟行为的准确性.
- 通过同时使用视觉跟踪数据来验证HMM衍生的行为.
- 评估准确的行为推理对保护的影响.
主要方法:
- 利用了独特的数据集,同时基于船只的视觉跟踪和海鸟行为观测.
- 将隐藏的马尔科夫模型 (HMM) 应用于遥测数据,以推断动物状态.
- 将HMM推断的行为与手动分类的视觉跟踪数据的"黄金标准"进行了比较.
主要成果:
- 在养期间,HMM准确度在71%至87%之间,在化期间为54%至70%.
- 模型选择对准确度的影响最小,即使有不同的AIC值.
- 遗漏的食,对保护至关重要,被确定仅持续几秒钟.
结论:
- 当HMM被验证时,可靠地识别关键的保护相关的海鸟行为.
- 视觉跟踪数据是验证HMM行为推断的强有力的方法.
- 增加对使用HMM进行动物行为分析的信心是有必要的,并呼吁进行综合验证数据收集.
