Включение нерегулярных временных интервалов улучшает исследования перемещений животных
Исследования перемещений и поведения животных — включая те, что посвящены распространению болезней и сохранению видов — должны отслеживать животных как в регулярные, так и в нерегулярные моменты времени для лучшего понимания их поведения. К такому выводу пришли статистики из Университета Пенсильвании в новом исследовании, опубликованном в этом месяце в журнале Environmetrics. Это первая работа, дающая рекомендации по схемам сбора данных для подобных биологических исследований.
Исследователи используют различные технологии отслеживания: GPS-ошейники, радиотелеметрию, видеокамеры. Однако ограниченные ресурсы (например, срок службы батареи GPS-ошейника или необходимость ручной обработки видео) не позволяют собирать непрерывные данные о местоположении.
Учёные предложили схему сбора данных, вдохновлённую геостатистикой, — lattice and random intermediate point sampling (LARI). Она предполагает сбор данных о местоположении через регулярные интервалы, но также и в случайный момент времени между каждыми из этих интервалов.
"Представьте, что мы наблюдаем за лисой раз в 24 часа. Если она каждый раз спит в своём логове, эти регулярные данные не очень информативны... Если вместо этого мы будем смотреть каждые 2 часа со случайной точкой между этими 2-часовыми периодами, мы сможем зафиксировать больше мелкомасштабных форм поведения", — пояснила Элизабет Айзенхауэр, ведущий автор исследования.
Для оценки схемы LARI учёные проанализировали три системы:
- Муравьи, перемещающиеся между входом в гнездо и маткой с расплодом.
- Гуппи в аквариуме, обычно плывущие к укрытию.
- Симулированный набор данных с известными параметрами движения.
Сначала собирались очень детальные данные (например, местоположение муравья раз в секунду) для установления «золотого стандарта». Затем различные менее частые регулярные и LARI-схемы сравнивались с этим стандартом.
Результаты: почти во всех случаях схема LARI с тем же количеством точек данных обеспечивала лучшее понимание поведения животных — более точные оценки параметров движения — по сравнению с регулярной схемой отбора проб.
"Наши модели были точнее при оценке параметров движения, когда мы использовали LARI, а не регулярные схемы", — отметила Элизабет Айзенхауэр.
При использовании статистического моделирования для заполнения пробелов в данных симуляций, результаты, полученные на основе данных LARI, были ближе к известным значениям.
"Использование LARI — относительно простое изменение, которое биологи могут интегрировать в свои исследования. Это всего лишь вопрос корректировки времени наблюдений", — сказал Эфраим Хэнкс, соавтор работы.
Планы на будущее: исследователи намерены протестировать модель на других видах, адаптировать её для работы с данными, содержащими значительную погрешность (например, у морских млекопитающих), и расширить модели для учёта переключения животных между типами поведения (сон, поиск пищи, миграция).
"Сбор большего количества данных, данных более мелкого масштаба, всегда лучше... Экологи всегда будут принимать решения о дизайне исследования с учётом своих технологий, ресурсов и изучаемой системы. Мы лишь начали царапать поверхность в понимании того, что может быть оптимальным. Мы надеемся, что наша работа предоставит полезное руководство", — резюмировал Эфраим Хэнкс.