Mapping areas of spatial-temporal overlap from wildlife tracking data
Notice bibliographique
Résumé
BACKGROUND: The study of inter-individual interactions (often termed spatial-temporal interactions, or dynamic interactions) from remote tracking data has focused primarily on identifying the presence of such interactions. New datasets and methods offer opportunity to answer more nuanced questions, such as where on the landscape interactions occur. In this paper, we provide a new approach for mapping areas of spatial-temporal overlap in wildlife from remote tracking data. The method, termed the joint potential path area (jPPA) builds from the time-geographic movement model, originally proposed for studying human movement patterns. RESULTS: The jPPA approach can be used to delineate sub-areas of the home range where inter-individual interaction was possible. Maps of jPPA regions can be integrated with existing geographic data to explore landscape conditions and habitat associated with spatial temporal-interactions in wildlife. We apply the jPPA approach to simulated biased correlated random walks to demonstrate the method under known conditions. The jPPA method is then applied to three dyads, consisting of fine resolution (15 minute sampling interval) GPS tracking data of white-tailed deer (Odocoileus virginianus) collected in Oklahoma, USA. Our results demonstrate the ability of the jPPA to identify and map jPPA sub-areas of the home range. We show how jPPA maps can be used to identify habitat differences (using percent tree canopy cover as a habitat indicator) between areas of spatial-temporal overlap and the overall home range in each of the three deer dyads. CONCLUSIONS: The value of the jPPA approach within current wildlife habitat analysis workflows is highlighted along with its simple and straightforward implementation and interpretation. Given the current emphasis on remote tracking in wildlife movement and habitat research, new approaches capable of leveraging both the spatial and temporal information content contained within these data are warranted. We make code (in the statistical software R) for implementing the jPPA approach openly available for other researchers.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| 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 | 0,000 | 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 ».