A model-driven approach to quantify migration patterns: individual, regional and yearly differences
Notice bibliographique
Résumé
1. Animal migration has long intrigued scientists and wildlife managers alike, yet migratory species face increasing challenges because of habitat fragmentation, climate change and over-exploitation. Central to the understanding migratory species is the objective discrimination between migratory and nonmigratory individuals in a given population, quantifying the timing, duration and distance of migration and the ability to predict migratory movements. 2. Here, we propose a uniform statistical framework to (i) separate migration from other movement behaviours, (ii) quantify migration parameters without the need for arbitrary cut-off criteria and (iii) test predictability across individuals, time and space. 3. We first validated our novel approach by simulating data based on established theoretical movement patterns. We then formulated the expected shapes of squared displacement patterns as nonlinear models for a suite of movement behaviours to test the ability of our method to distinguish between migratory movement and other movement types. 4. We then tested our approached empirically using 108 wild Global Positioning System (GPS)-collared moose Alces alces in Scandinavia as a study system because they exhibit a wide range of movement behaviours, including resident, migrating and dispersing individuals, within the same population. Applying our approach showed that 87% and 67% of our Swedish and Norwegian subpopulations, respectively, can be classified as migratory. 5. Using nonlinear mixed effects models for all migratory individuals we showed that the distance, timing and duration of migration differed between the sexes and between years, with additional individual differences accounting for a large part of the variation in the distance of migration but not in the timing or duration. Overall, the model explained most of the variation (92%) and also had high predictive power for the same individuals over time (69%) as well as between study populations (74%). 6. The high predictive ability of the approach suggests that it can help increase our understanding of the drivers of migration and could provide key quantitative information for understanding and managing a broad range of migratory species.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».