A simulation-based framework to detect marine animal-vessel interactions using tracking data
本文介绍了一个基于模拟的框架，该框架通过 R 语言包 *intersimR* 实现，能够有效地将真实的行为反应（吸引与跟随）与偶然的共现现象区分开来，从而揭示了尽管渔船在交通总量中仅占极小比例，但它们却驱动了与斯科波利�� fact shearwaters（斯科波利剪水贼）发生的大部分显著性相互作用。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下，海洋是一条繁忙且巨大的高速公路，两群截然不同的旅行者在这里不断地交汇：在海面上游动或飞翔的野生动物，以及在波浪中劈波斩浪的巨型金属船只。长期以来，科学家们一直担心这些交会并非仅仅是随机的意外。他们担心当动物与船只靠得太近时，可能会导致危险的情况，比如动物被卷入渔网或被船只撞击。为了了解这是否真的在发生，研究人员使用特殊的“背包”（标签）来追踪动物的一举一动，并利用船舶的数字日志来查看船只的航行路径。核心问题在于：当一只动物和一艘船靠近时，这只动物是真的在关注那艘船，还是它们只是恰好在同一地点相遇的两个陌生人？这就像是在试图弄清楚，一个人向公交车挥手，究竟是在等那辆特定的公交车，还是仅仅在向站在公交站旁边的朋友挥手。
这正是研究团队在一项新研究中所解决的谜题。他们创建了一个聪明的计算机游戏——模拟程序——来帮助他们区分真实的关联与幸运的巧合。他们利用来自 2,705 次斯科波利剪水鸡（一种海鸟）觅食行程的真实数据，并将其与地中海西北部数千艘船只的路径进行了匹配。首先，他们标记了每一次鸟类与船只靠近的时刻，共发现了 1,567 个“候选”时刻。但这里的诀窍在于：他们并没有直接假设鸟类是在跟随船只。相反，他们运行了一项模拟实验，创建了数千条随机移动、对船只毫无兴趣的虚假鸟类路径。然后，他们将真实的鸟类与这些虚假的、毫无意识的鸟类进行了对比。
结果令人大开眼界。计算机显示，许多鸟类与船只靠近的时刻，其实鸟类只是在各忙各的，要么是船只是刚好漂过，要么是鸟类停止了移动而船只靠近了它。事实上，模拟证明，大约 46.5% 的近距离接触只是“偶然接近”——纯属巧合。然而，在另外 53.5% 的时间里，鸟类确实被船只吸引，或者是在积极地跟随它们。
这项研究还揭示了一个关于“哪些”船只引起鸟类关注的有趣模式。尽管渔船仅占记录中所有船只的约 3%，但它们却引发了大量的互动：69% 的吸引事件和 74% 的跟随事件都与它们有关。鸟类似乎忽略了大多数非捕鱼船只，将它们视为背景噪音。研究人员还注意到，鸟类在白天更容易跟随船只，并且当鸟类停留不动的时间较长时，这种跟随行为就会减少。
为了确保他们的新方法是可靠的，团队将其与旧有的、更简单的计数方法进行了对比测试。他们发现，旧方法对于判定“交互”发生的距离非常敏感，经常会产生过多的误报。相比之下，他们这种基于模拟的新方法保持了稳定性和可靠性，能够正确识别出真实的行为反应。他们甚至将这个工具封装成了一个名为 intersimR 的免费软件程序，以便其他科学家也能使用它来区分真实的动物行为与随机的巧合，通过了解动物如何应对繁忙的人类水上世界，从而更好地保护野生动物。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。