Density-based clustering method for detecting space use patterns, forays, and dispersal in animal tracking data: Case study of translocated desert and Rocky Mountain bighorn sheep
Deze studie toont aan dat een ruimtelijke dichtheid-gebaseerde clustering (S-DBC) raamwerk een robuust alternatief biedt voor traditionele op leefgebied gebaseerde methoden voor het detecteren en karakteriseren van dierlijke foerageringsuitstapjes en dispersiepatronen, zoals blijkt uit de bekwaamheid om onderscheidende bewegingscomponenten te identificeren en meer consistente vergelijkingen tussen populaties te bieden bij getransloceerde woestijn- en Rocky Mountain-bighornschapen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Dieren zijn geen statische bewoners van een enkele buurt; het zijn reizigers die voortdurend de grenzen van hun bekende wereld onderhandelen. In het vakgebied van de ruimtelijke ecologie vertrouwen wetenschappers al lang op het concept van het "leefgebied" (home range), een gedefinieerd gebied waar een dier doorgaans foerageert, paart en zijn jongen grootbrengt. Echter, het leven vereist vaak dat een individu buiten deze vertrouwde grenzen treedt. Deze uitstapjes, bekend als forays, zijn kritieke momenten van exploratie, het zoeken naar hulpbronnen of dispersie, maar ze zijn berucht moeilijk te volgen en te definiëren. Traditionele methoden voor het in kaart brengen van dierenbewegingen trekken vaak een rigide lijn rond het gemiddelde territorium van een dier en markeren alles buiten die lijn simpelweg als een anomalie. Deze benadering, hoewel nuttig, kan bot zijn en mist vaak de nuance van hoe dieren de ruimte daadwerkelijk gebruiken of classificeert routinematige bewegingen onterecht als buitengewone gebeurtenissen. Het begrijpen van de ware aard van deze reizen is essentieel voor natuurbehoud, met name voor soorten zoals bighornschap, waarbij bewegingspatronen alles beïnvloeden van genenstroom tot de verspreiding van ziekten.
Een team van onderzoekers zette zich schouder aan schouder om te verfijnen hoe we deze bewegingen zien door een nieuwe, flexibelere manier te testen om GPS-gegevens van bighornschap te analyseren. Ze richtten zich op twee verschillende groepen: woestijnbighornschap die naar een nieuwe locatie in Sonora, Mexico, waren verplaatst, en Rocky Mountain-bighornschap die opnieuw waren geïntroduceerd in de Black Hills van South Dakota. Het doel was om verder te gaan dan de oude methode van het trekken van een enkele, statische grens rond het leven van een dier en in plaats daarvan te zoeken naar patronen van herhaald gebruik en afzonderlijke reizen. Ze ontwikkelden een techniek genaamd ruimtelijke dichtheid-gebaseerde clustering, die in essentie kijkt naar waar de schapen de meeste tijd doorbrachten om "hotspots" van activiteit te identificeren. In plaats van een enkele vorm rond alle gegevens af te dwingen, maakte deze methode het voor de onderzoekers mogelijk om meerdere duidelijke gebieden te zien waar de schapen zich vestigden, evenals de tijdelijke stops en langere reizen die hen verbonden.
Toen de onderzoekers deze nieuwe methode toepasten, ontdekten ze een rijk tapijt van bewegingen dat oudere technieken hadden vertroebeld. Ze ontdekten dat de schapen niet zoma aantastend ronddwaalden; ze onderhielden een netwerk van primaire en secundaire gebieden waarnaar ze herhaaldelijk terugkeerden. Tussen deze kerngebieden maakten de dieren specifieke reizen. De nieuwe methode identificeerde succesvol 144 dergelijke reizen voor de woestijnschap en 91 voor de Rocky Mountain-schap. Dit waren niet slechts korte stappen; sommige reizen brachten de dieren ver weg van hun gevestigde territoria. De onderzoekers konden deze reizen ook categoriseren op basis van afstand en doel, waarbij ze onderscheid maakten tussen korte, lokale exploraties en lange, significante excursies die tot nieuwe habitats kunnen leiden. Cruciaal was dat de methode "stopovers" identificeerde — tijdelijke plaatsen waar de schapen een paar dagen pauzeerden — wat een inkijkje bood in de tussenstappen van hun reizen die voorgaande methoden vaak wegpoetsten of negeerden.
De studie onthulde ook dat de timing en schaal van deze bewegingen aanzienlijk verschilden tussen de twee populaties, waarschijnlijk gedreven door hun specifieke omgevingen en de omstandigheden van hun uitzetting. De Rocky Mountain-schap, geïntroduceerd in een volledig nieuw landschap, begonnen onmiddellijk te verkennen, waarbij veel van hun langste reizen plaatsvonden binnen de eerste paar maanden terwijl ze de omgeving leerden kennen. In tegen tegenstelling hiertoe vestigden de woestijnschap, die werden bijgeplaatst in een gebied dat al door andere schapen werd bewoond, zich snel. Hun meest significante langeafstandstrips vonden later in het jaar plaats, samenvallend met de komst van warmere, drogere omstandigheden en een afname van de beschikbare voedselbronnen. Dit suggereert dat terwijl de nieuw gearriveerde dieren werden gedreven door de noodzaak om te leren, de bijgeplaatste groep werd gedreven door de seizoensgebonden noodzaak om hulpbronnen te vinden.
Misschien wel de belangrijkste bevinding was niet alleen over de schapen, maar over de instrumenten die werden gebruikt om hen te observeren. De onderzoekers vergeleken hun nieuwe clusteringmethode met vijf traditionele manieren om leefgebieden te berekenen. Ze ontdekten dat de oude methoden zeer gevoelig waren voor de specifieke wiskundige formule die werd gebruikt; het veranderen van de formule kon drastisch veranderen hoeveel reizen werden gedetecteerd of de afstand van die reizen. De ene methode zag een reis misschien als een grote foray, terwijl een andere het als onderdeel van het normale leefgebied zou beschouwen. De nieuwe clusteringbenadering bood een middenweg. Het was conservatiever dan sommige bewegingsmodellen; het identificeerde minder totale reizen, maar legde de reizen die het wel vond als langer en substantiëler vast. Door de regels direct af te leiden uit de werkelijke bewegingsgegevens van de populatie in plaats van te vertrouwen op vooraf ingestelde aannames, bood de nieuwe methode een meer consistente en betrouwbare manier om de bewegingen van verschillende dieren te vergelijken.
Uiteindelijk suggereert dit werk dat om echt te begrijpen hoe dieren hun wereld navigeren, we moeten stoppen met proberen hun levens in een enkele, statische doos te dwingen. De nieuwe benadering stelt wetenschappers in staat om de complexe, gelaagde realiteit van dierlijke beweging te zien: de kernplekken die zij hun thuis noemen, de tijdelijke stops die zij onderweg maken, en de duidelijke reizen die zij maken wanneer de noodzaak zich voordoet. Voor natuurbeschermers die getransloceerde populaties beheren, is deze helderheid essentieel. Het helpt hen te begrijpen of een dier simpelweg een nieuw thuis verkent of in nood verkeert, en het onthult hoe omgevingsveranderingen beweging triggeren. Door de definitie van een "reis" te verfijnen, biedt de studie een helderder venster om naar het dynamische leven van wilde dieren te kijken, waardoor wordt gewaarborgd dat beheersbeslissingen gebaseerd zijn op een nauwkeuriger beeld van hun gedrag.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.