创新地使用深度数据来估计阿德丽企的能量摄入和消耗

科学领域:

• 动物生态动物生态学
• 生物能源学 生物能源学
• 野生动物生理学 野生动物生理学

背景情况:

• 估计野生动物的能量消耗和摄入量对于了解生命历史的权衡至关重要,但仍然具有挑战性.
• 来自各种来源的数据异质性使全面的能量分析变得复杂,并限制了可转移性.
• 生物测试技术具有潜力,但需要强大的方法来准确的能量估计.

研究的目的:

• 开发和验证一个新的框架来估计使用生态生理学和生物数据的阿德利企的能量消耗和摄入量.
• 评估机器学习方法 (随机森林) 在从深度数据中预测养行为的准确性.
• 为了使能量摄入和消耗的合成为可能,以便更全面地了解个别的权衡.

主要方法:

• 结合生态生理学数据与生物定位技术 (加速计,深度传感器) 在48只阿德丽企中,在养期间.
• 利用随机森林算法从深度数据中预测养行为,作为能量获取的代理.
• 开发了一个时间活动模型,用双重标记的水校准,以估计能源支出.

主要成果:

• 该框架使用深度衍生潜水时间和垂直运动准确估计了能源支出.
• 随机森林模型成功地从深度数据中预测了养行为,超过了传统的代理.
• 该模型在预测养时间方面表现出更高的准确性,而不是像波浪数或潜水底持续时间这样的历史指标.

结论:

• 拟议的框架提供了一种准确,可靠和易于实施的方法,用于使用生物数据分析动物能量.
• 这种方法促进了能量摄入和消耗的关键合,这对于研究海洋物种的个人权衡至关重要.
• 该方法允许重新分析历史数据并调查对动物能源的长期环境影响.