Исследования перемещений и поведения животных, в том числе те, которые касаются распространения болезней и сохранения животных, должны контролировать животных как в обычные, так и в нерегулярные моменты времени, чтобы улучшить понимание поведения животных в движении, согласно новому исследованию статистиков штата Пенсильвания. Исследование, опубликованное в этом месяце в журнале Environmetrics, является первым, в котором содержится руководство по режимам отбора проб для подобных биологических исследований.
«Отслеживание животных - один из основных методов сбора данных в экологии, но практически не проводилось исследований относительных преимуществ различных схем выборки», - сказала Элизабет Эйзенхауэр, аспирант кафедры статистики Пенсильванского университета и первый автор исследования.«В идеальном мире мы могли бы собирать непрерывные или действительно мелкомасштабные данные о местонахождении животных, но в действительности исследователям часто приходится делать выбор, чтобы сбалансировать свои ресурсы».
Исследователи используют различные технологии отслеживания для изучения поведения животных, в том числе GPS-ошейники, радиотелеметрию и даже видеокамеры. Все эти исследования предоставляют информацию о местонахождении животного в определенное время, но из-за ограниченных ресурсов обычно дают неполную картину.
«Для GPS-ошейника с ограниченным временем автономной работы, например, можно выбрать запись местоположения животного очень часто в течение короткого периода времени или реже в течение длительного периода времени», - сказал Эфраим Хэнкс, сотрудник профессор статистики Пенсильванского университета и автор статьи. «Даже когда у нас есть видео перемещения животных, например, в лабораторных условиях, кто-то должен войти и вручную записать данные о местонахождении каждого животного в определенные моменты времени. Поскольку такого рода ограничения настолько распространены, мы хотели узнать, как лучше всего собирать данные о перемещениях животных, чтобы получить максимум информации».
Исследователи предлагают режим выборки, вдохновленный областью геостатистики, который анализирует данные о местоположении, часто с течением времени, который они называют выборкой по решетке и случайной промежуточной точке (LARI). LARI включает сбор данных о местоположении через регулярные промежутки времени, а также в случайный момент времени между каждым из этих интервалов.
«Представьте, что мы наблюдаем местонахождение лисы каждые 24 часа», - сказал Эйзенхауэр. «Если лиса спит в своей берлоге каждые 24 часа, эти регулярные данные о местоположении не очень интересны и, например, не дадут нам хорошей оценки домашнего ареала животного. час, мы можем увидеть более регулярное поведение, например, как он добывает пищу, но все равно можем пропустить интересное поведение, которое происходит более спорадически, например, проверка беспокойства за пределами логова. Если бы вместо каждого часа мы смотрели каждые два часа со случайной точкой между каждым из этих двухчасовых периодов, мы могли бы зафиксировать больше таких мелкомасштабных моделей поведения».
Чтобы оценить режим выборки LARI, исследователи изучили три различные системы исследования, которые отражают различные виды движения: муравьи, перемещающиеся между входом в гнездо и маткой, и выводок в задней части гнезда, гуппи, помещенные в резервуар которые обычно плывут к укрытию, и смоделированный набор данных, где были известны параметры движения. Сначала они взяли данные очень мелкого масштаба, например, выборку местоположения муравья каждую секунду, чтобы установить золотой стандарт или базовый уровень. Затем команда сравнила различные менее частые регулярные режимы отбора проб и режимы LARI со стандартом. Почти в каждом случае режим выборки LARI обеспечивал лучшее понимание поведения животных - более точную оценку параметров движения - по сравнению с обычным режимом выборки с тем же количеством точек данных.
«Обычно в исследованиях движений животных исследователи используют различные параметры для описания движения, чтобы понять лежащее в его основе поведение», - сказал Эйзенхауэр.«В наших примерах это может включать в себя то, насколько гуппи привлекает объект-убежище, или как быстро или в каком направлении перемещаются муравьи. Наши модели были более точными и точными при оценке параметров движения, когда мы использовали LARI по сравнению с обычными режимами выборки».
Поскольку наблюдения за движением дают неполную картину, исследователи часто используют статистическое моделирование, чтобы заполнить пробелы. Когда исследователи сделали это с смоделированными данными, результаты были ближе к известным значениям, когда данные были собраны с использованием режима выборки LARI.
«Когда количество собранных временных точек оставалось неизменным, LARI давал лучшие результаты при заполнении пробелов, чем обычные режимы отбора проб», - сказал Хэнкс. «Использование LARI - это относительно легкое изменение для биологов, которое можно интегрировать в их собственные исследования. Это просто вопрос настройки, когда происходят их наблюдения».
Исследователи планируют протестировать свою модель, используя другие виды, и адаптировать свою модель, чтобы учесть данные, собранные со значительной ошибкой, например, данные, полученные от морских млекопитающих, где данные о местоположении иногда могут отличаться на сотни километров. Они также планируют расширить свои модели, чтобы учесть переключение животных между типами поведения, например, переход от сна к поиску пищи и к миграции.
"Сбор большего количества данных в более мелком масштабе всегда лучше", - сказал Хэнкс. «Улучшение технологий, таких как миниатюризация GPS и солнечных батарей, может сделать это возможным для крупных животных в будущем, но мы также начинаем отслеживать муравьев и пчел, так что эти проблемы не исчезнут в ближайшее время. Экологам всегда придется принимать решения о дизайне выборки, учитывая их технологии, ресурсы и систему исследования, и мы только начали поверхностно разбираться в том, что может быть оптимальным. Хотя это всего лишь первый шаг, мы надеемся, что наша работа даст полезные рекомендации."
Национальный научный фонд и Национальные институты здравоохранения поддержали эту работу.