使用先进的三轴加速仪数据来改善行为时间预算和冬季较小规模的生物能量估计

科学领域:

• 野生动物生态生态学
• 行为生物学 行为生物学
• 保护技术 保护技术

背景情况:

• 传统的野生动物行为研究依赖于白天扫描,由于观察时间和地点有限,可以引入偏差.
• 无线电技术和机器学习的进步为在更大的空间和时间尺度上收集全面的野生动物行为数据提供了新的可能性.

研究的目的:

• 为了比较从日间扫描获得的行为时间预算估计与24小时加速度计 (ACC) GPS/GSM发射器数据.
• 探索偏见的行为数据对冬季小鱼 (Aythya affinis) 的每日能源消耗 (DEE) 估计的影响.

主要方法:

• 利用了经过地面验证的白天扫描观测和24小时三轴加速度计 (ACC) GPS/GSM发射器数据,通过机器学习进行分类.
• 使用这两种方法,对较小规模的时间预算估计和计算的每日能源支出 (DEE) 进行了比较.

主要成果:

• 与视觉扫描数据相比,加速度计数据显示了显著更多的食和较少的飞行行为.
• 使用ACC数据,在白天观察到的食行为增加了42%,在夜间观察到的飞行行为增加了23%.
• 与24小时ACC数据相比,日间扫描低估了每日能源消耗 (DEE).

结论:

• 24小时的ACC数据提供了比传统的白天方法更准确的野生动物行为模式和能量估计.
• 这种先进的方法提高了对野生动物自然历史,息地需求和代谢要求的理解.
• 这些发现支持通过结合新的行为观察技术来改善野生动物保护和管理决策.