Солнечные архивные метки (далее называемые геолокаторами) — это устройства слежения, устанавливаемые на животных для восстановления их перемещений на большие расстояния на основе местоположений, определенных post hoc, с учетом географических и сезонных изменений времени и скорости восхода и захода солнца. Более широкое использование геолокаторов создало потребность в аналитических инструментах для получения точных и объективных оценок маршрутов миграции, которые явно выражают свою неопределенность в отношении оценок местоположения.
Модель, разработанная для анализа данных геолокации, оценивает траектории животных со сложным миграционным поведением путем объединения: нечувствительной к затенению физической модели, соответствующей шаблону, некоррелированной модели движения случайного блуждания, которая включает миграционные и малоподвижные поведенческие состояния, и пространственно явных поведенческих масок.
Модель реализована в специально разработанном R-пакете с открытым исходным кодом FLightR. Анализируя как смоделированные данные, так и реальные треки, исследователи продемонстрировали, что этот подход имеет большую точность, чем пороговый метод, который на сегодняшний день является наиболее часто применяемым методом анализа в литературе.
Для двух птиц, которые мигрировали вдоль побережья Северной Америки, этот подход без каких-либо географических масок позволил восстановить путь, который точно соответствовал береговой линии.
Представленная модель повышает точность анализа зашумленных данных и перемещений животных со сложным миграционным поведением. Он обеспечивает апостериорное распределение положений животных, их поведенческих состояний (e.грамм., мигрирующий или сидячий), а также расстояние и направление движения.
Наш подход позволяет биологам оценивать местонахождение животных со сложным миграционным поведением на основе необработанных световых данных. Эта модель развивает современные методы оценки траекторий миграции по солнечной геолокации и принесет пользу быстрорастущему количеству исследований слежения с помощью этой технологии.
Помимо предоставления более точных местоположений, этот метод предоставляет данные о вероятности движения, которые можно использовать для проверки поведенческих гипотез.