Detecting changes in the annual movements of terrestrial migratory species: using the first-passage time to document the spring migration of caribou
Notice bibliographique
Résumé
BACKGROUND: Migratory species face numerous threats related to human encroachment and climate change. Several migratory populations are declining and individuals are losing their migratory behaviour. To understand how habitat loss or changes in the phenology of natural processes affect migrations, it is crucial to clearly identify the timing and the patterns of migration. We propose an objective method, based on the detection of changes in movement patterns, to identify departure and arrival dates of the migration. We tested the efficiency of our approach using simulated paths before applying it to spring migration of migratory caribou from the Rivière-George and Rivière-aux-Feuilles herds in northern Québec and Labrador. We applied the First-Passage Time analysis (FPT) to locations of 402 females collected between 1986 and 2012 to characterize their movements throughout the year. We then applied a signal segmentation process in order to segment the path of FPT values into homogeneous bouts to discriminate migration from seasonal range use. This segmentation process was used to detect the winter break and the calving ground use because spring migration is defined by the departure from the winter range and the arrival on the calving ground. RESULTS: Segmentation of the simulated paths was successful in 96% of the cases, and had a high precision (96.4% of the locations assigned to the appropriate segment). Among the 813 winter breaks and 669 calving ground use expected to be detected on the FPT profiles, and assuming that individuals always reduced movements for each of the two periods, we detected 100% of the expected winter breaks and 89% of the expected calving ground use, and identified 648 complete spring migrations. Failures to segment winter breaks or calving ground use were related to individuals only slowing down or performing less pronounced pauses resulting in low mean FPT. CONCLUSION: We show that our approach, which relies only on the analysis of movement patterns, provides a suitable and easy-to-use tool to study species exhibiting variations in their migration patterns and seasonal range use.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».