Net displacement and temporal scaling: Model fitting, interpretation and implementation
Notice bibliographique
Résumé
Abstract Net displacement is an integral component of numerous ecological processes and is critically dependent on the tortuosity of a movement trajectory and hence on the temporal scale of observation. Numerous attempts have been made to quantitatively describe net displacement while accommodating tortuosity, typically evoking a power law, but scale‐dependency in tortuosity limits the utility of approaches based on power law relationships that must assume scale‐invariant tortuosity. We describe a phenomenological model of net displacement that permits both scale‐variant and scale‐invariant movement. Movement trajectories are divided into pairs of relocations specifying start‐ and end‐points, and net displacements between points are calculated across a vector of time intervals. A bootstrap is implemented to create new datasets that are independent both across and within time intervals, and the model is fitted to the bootstrapped dataset using log–log regression. We apply this model to simulated trajectories and both fine‐grain and coarse‐grain trajectories obtained from an Aldabra giant tortoise Aldabrachelys gigantea , African elephants Loxodonta africana , black‐backed jackals Canis mesomelas and Northern elephant seals Mirounga angustirostris . The model was able to quantify the characteristics of net displacement from simulated movement trajectories corresponding to both scale‐variant (e.g. correlated random walks) and scale‐invariant (e.g. random walk) movement models. Furthermore, the model produced identical outputs across time vectors corresponding to different intervals and absolute ranges of time for scale‐invariant models. The model characterized the tortoise as generally exhibiting long scale‐invariant steps, which was corroborated by visual comparison of model outputs to observed trajectories. Elephants, jackals and seals exhibited movement parameters consistent with their known movement behaviours (nomadism, territoriality and widely ranging searching). We describe how the model may be used to compare movements within and between species, for example by partitioning movement into scale‐variant and scale‐invariant components, and by calculating a unitless net displacement scaled to the basal movement capacities of an animal. We also identify several useful derived quantities and realistic parameter ranges and discuss how the model may be implemented in a variety of ecological studies.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».