Donovan, E. B., S. Blake, S. L. Deem, P. D. Moldowan, A. Nieto-Claudín, F. Cabrera, C. Peñafiel & G. Bastille-Rousseau (2024): Using non-continuous accelerometry to identify cryptic nesting events of Galapagos giant tortoises. – nimal Biotelemetry 12(32): 2024.
Der Einsatz nicht kontinuierlicher Beschleunigungsmessung zur Identifizierung versteckter Nistplätze von Galapagos-Riesenschildkröten.
DOI: 10.1186/s40317-024-00387-w ➚
© Emily Buege Donovan
Hintergrund: Dreiachsige Beschleunigungsmesser haben die Wildtierforschung revolutioniert, indem sie ein beispielloses Verständnis des Verhaltens freilebender Tiere ermöglichen. Maschinelles Lernen wird häufig auf Beschleunigungsdaten angewendet, um verschiedene Tierverhaltensweisen über Taxa hinweg zu klassifizieren. Die hochfrequente, kontinuierliche Datenerfassung, die in der Regel für Studien zur Verhaltensklassifizierung bevorzugt wird, erzeugt jedoch oft sehr große Datensätze, was die Fernabfrage von Daten behindern und die Datenspeicherung erschweren kann. Grobfrequente Stichproben oder nicht kontinuierliche Beschleunigungsdaten reduzieren diese Probleme. Zur Analyse solcher Daten kann eine Reihe von Variablen generiert werden, die die wichtigsten Merkmale des interessierenden Verhaltens zusammenfassen. Diese Variablen können dann in zahlreichen Klassifizierungsansätzen verwendet werden, wobei Abweichungen bei den Datenerfassungsmethoden oder Stichprobenverfahren berücksichtigt werden. Wir zeigen das Potenzial nicht kontinuierlicher Beschleunigungsmesserdaten zur Identifizierung von Langzeitverhalten und setzen maschinelles Lernen zur Klassifizierung des Nistverhaltens der vom Aussterben bedrohten Östlichen Santa-Cruz-Riesenschildkröte (Chelonoidis donfaustoi) ein.
Ergebnisse: Wir haben 112 Nistereignisse von 21 Riesenschildkröten im Feld validiert. Anschließend haben wir zusammenfassende Statistiken auf der Grundlage der Beschleunigungsmessung abgeleitet (z. B. die gesamte dynamische Körperbeschleunigung, Metriken zum Vergleich der Beschleunigung vor und nach dem wahrscheinlichen Ereignis) und sie als Eingangsdaten für die Klassifizierungsalgorithmen Random Forest und Boosted Regression Tree verwendet. Unsere Modelle ergaben einen harmonischen Mittelwert aus Präzision und Sensitivität (F1-Score) von 0,91. Wir haben die Allgemeingültigkeit unseres Modells getestet und festgestellt, dass das Modell sowohl bei der Anwendung auf neue Individuen als auch auf neue Jahre gut funktioniert. Die wichtigste Variable bei der genauen Klassifizierung von Datensequenzen war der Anteil der Beschleunigungsdaten-Bursts über einem Aktivitätsschwellenwert, gefolgt vom durchschnittlichen Gesamtwert der dynamischen Körperbeschleunigung der Bursts.
Schlussfolgerungen: Diese Ergebnisse zeigen die Machbarkeit und Wirksamkeit der Verwendung nicht kontinuierlicher Beschleunigungsmessdaten zur Identifizierung anhaltender, biologisch relevanter Verhaltensweisen bei freilebenden Wildtieren. Durch die Verwendung von zusammenfassenden Variablen, die keine kontinuierliche Probenahme erfordern, erleichtert dieser Ansatz die langfristige Überwachung des Tierverhaltens. Eine ähnliche Methodik hat das Potenzial, wichtige Fragen in den Bereichen Ökologie und Naturschutz zu beantworten, wie z. B. die Vorhersage der Reaktionen von Wildtieren auf den Klimawandel und die Identifizierung kritischer Lebensräume, mit Anwendungen für verschiedene Arten und Verhaltensweisen.
Kommentar von H.-J. Bidmon
Eine gute praxisorientierte Studie die sicherlich zusammen mit anderen Daten (Deem et al., 2023; Blake et al., 2024) ein umfassederes Verständnis zur Lebensweise und in Bezug auf den Fortbestand von Schildkrötenpopulationen nicht nur auf den Galapagosinseln ermöglichen kann. Siehe dazu auch Kazimierski et al. (2023).
Literatur
Blake, S., F. Cabrera, S. Cruz, D. Ellis-Soto, C. B. Yackulic, G. Bastille-Rousseau, M. Wikelski, F. Kuemmeth, J. P. Gibbs & S. L. Deem (2024): Environmental variation structures reproduction and recruitment in long-lived mega-herbivores: Galapagos giant tortoises. – Ecological Monographs 94(2): e1599 oder Abstract-Archiv.
Deem, S. L., S. Rivera, A. Nieto-Claudin, E. Emmel, F. Cabrera & S. Blake (2023): Temperature along an elevation gradient determines Galapagos tortoise sex ratios. – Ecology and Evolution 13(4): e100008 oder Abstract-Archiv.
Kazimierski, L. D., A. O. Trevisan, E. Kubisch, K. Laneri & N. Catalano (2023): Design and Development of a Family of Integrated Devices to Monitor Animal Movement in the Wild. – Sensors 23(7): 3684 oder Abstract-Archiv.
Galerien
Chelonoidis donfaustoi