Development of a daily-scale moveme

Development of a daily-scale movement model We
first tested the hypothesis that movement of sixgill
sharks follows a correlated random walk (CRW) by
constructing an empirical-based model that was spatially
constrained to the waters of Puget Sound. Random
walk theory provides a powerful approach for analyzing
movement paths, and as the basis for what has become
the standard paradigm for describing animal movement
(Turchin, 1998; Bartumeus, 2009), CRW models have
been applied to a wide range of species (Bartumeus et
al., 2005). CRW is the simplest random walk formulation
and thus we began here. CRW models combine a normal distribution of move lengths with a non-uniform
distribution of turn angles. Typically, turn angles are
concentrated around 0° or 180°, indicating positive or
negative autocorrelation in move direction (Turchin,
1998). Following Turchin (1998), we used move characteristics
to estimate random walk parameters, and then
to predict a path-level feature—net squared displacement
(described below).We focused on summertime
movements and used data from 21 paths of 13 sharks
that were observed during active tracking (Table 1).
Using the position of each shark every 30 minutes, we
calculated the distance (move length) and turn angle
between each location using Hawth’s Tools in ArcMap
ver. 9.0 as well as the speed (km/hr) of the shark between
locations. As predicted by CRW theory, turn angles
were concentrated around 0° or 180°; and, a runs
test (Zar, 1999) applied to the sequence of right and left
turns (Turchin, 1998) indicated that there was not directional
autocorrelation (P > 0.05).
In order to quantify the observed displacement of
จาก: ภาษาอังกฤษ สลับภาษาต้นทางและภาษาปลายทาง เป็น: ภาษาไทย
each individual, we calculated net squared displacement
(‘displacement’ hereafter; Turchin, 1998) at each
30-minute time step:

ผลลัพธ์ (ไทย) 1:

Développement d'un mouvement quotidien-scale model noustout d'abord testé l'hypothèse ce mouvement de grisetrequins fait suite à une marche d'aléatoire corrélée (CRW)construction d'un modèle empirique qui a été dans l'espacelimité aux eaux de Puget Sound. Au hasardthéorie de marche offre une approche puissante pour l'analysechemins de mouvement et comme base pour ce qui est devenule paradigme standard pour décrire les mouvements des animaux(Turchin, 1998 ; Bartumeus, 2009), CRW modèles ontété appliquée à un large éventail d'espèces (Bartumeus etal., 2005). CRW est la formulation la plus simple marche aléatoireet donc nous avons commencé ici. CRW modèles combinent une distribution normale des longueurs de déménagement avec un non uniformedistribution des angles de la tour. Tourner en règle générale, les angles sontconcentrée autour de 0° ou 180°, indiquant positif ouautocorrélation négative dans le sens de déplacement (Turchin,1998). suite Turchin (1998), nous avons utilisé les caractéristiques de déplacementpour évaluer les paramètres de la marche aléatoire, puispour prédire une fonctionnalité au niveau du chemin d'accès — net déplacement quadratique(décrit ci-dessous). Nous nous sommes concentrés sur l'heure d'étémouvements et utilisé les données du 21 chemins de 13 requinsqui ont été observées lors du suivi actif (tableau 1).À l'aide de la position de chaque requin toutes les 30 minutes, nouscalcule la distance (longueur du déménagement) et l'angle de rotationentre chaque emplacement à l'aide des outils de Hawth dans ArcMapversion 9.0, mais aussi la vitesse (km/hr) du requin entreemplacements. Tel que prédit par la théorie de la CRW, tourner les anglessont concentrées autour de 0° ou 180° ; et, un courttest (Zar, 1999) appliqué à la séquence de droite et à gauchetourne (Turchin, 1998) a indiqué qu'il n'était pas directionnelautocorrélation (P > 0,05).Afin de quantifier les déplacements observés deจาก : ภาษาอังกฤษ สลับภาษาต้นทางและภาษาปลายทาง เป็น : ภาษาไทย chaque individu, nous avons calculé net déplacement quadratique(« déplacement » ci-après ; Turchin, 1998) à chaquepas de temps de 30 minutes :

ผลลัพธ์ (ไทย) 2:

Développement d'un modèle de mouvement quotidien échelle Nous
d'abord testé l'hypothèse que le mouvement de grisets
requins suit une marche aléatoire corrélé (CRW) par
la construction d'un modèle empirique basée qui a été spatialement
limitée aux eaux de Puget Sound. Aléatoire
théorie de la marche offre une approche puissante pour analyser
les chemins de mouvement, et comme la base de ce qui est devenu
le paradigme standard pour décrire le mouvement des animaux
(Turchin, 1998; Bartumeus, 2009), les modèles de chrysomèles ont
été appliquées à un large éventail d'espèces (Bartumeus et
al., 2005). CRW est la formulation la plus simple de la marche aléatoire
et donc nous avons commencé ici. CRW modèles combinent une distribution normale des longueurs de se déplacer avec un non-uniforme
distribution des angles de virage. Typiquement, tourner angles sont
concentrées autour de 0 ° ou 180 °, indiquant positive ou
auto-corrélation négative dans le sens de déplacement (Turchin,
1998). Après Turchin (1998), nous avons utilisé les caractéristiques de déplacement
pour estimer les paramètres de marche aléatoire, puis
de prévoir un déplacement carré au niveau du chemin de fonction-net
(décrit ci-dessous) .Nous axé sur estivales
mouvements et utilisé les données de 21 voies de 13 requins
qui étaient observé pendant le suivi actif (Tableau 1).
Utilisation de la position de chaque requin toutes les 30 minutes, nous avons
calculé la distance (longueur de déplacement) et l'angle tournons
entre chaque emplacement en utilisant les outils de Hawth dans ArcMap
ver. 9.0 ainsi que la vitesse (km / h) du requin entre
emplacements. Comme prédit par la théorie CRW, tourner angles
ont été concentrées autour de 0 ° ou 180 °; et une pistes
test (Zar, 1999) appliqué à la séquence de droite et de gauche
tours (Turchin, 1998) a indiqué qu'il n'y avait pas directionnel
auto-corrélation (P> 0,05).
Afin de quantifier le déplacement observé de
จาก: ภาษา อังกฤษ สลับ ภาษา ต้นทาง และ ภาษา ปลายทาง เป็น: ภาษา ไทย
chaque individu, nous liquidative calculée carré déplacement
(«déplacement» ci-après; Turchin, 1998), à chaque
pas de temps de 30 minutes:

ผลลัพธ์ (ไทย) 3:

développement d'un modèle à échelle quotidienne mouvement nous
d'abord testé l'hypothèse que le déplacement de lignes
requins suit un trajet aléatoire corrélé (nep) par la construction d'un modèle empirique (qui était spatialement
limités aux eaux de puget sound.hasard
marcher théorie fournit une approche puissante pour analyser
des trajectoires de déplacement, et comme la base de ce qui est devenu
le modèle standard pour décrire le déplacement des animaux
(turchin, 1998; bartumeus, 2009), les modèles ont été appliqués à la cwr toute une gamme d'espèces (bartumeus et. al., 2005).la formulation la plus simple est la cwr promenade aléatoire (et donc on a commencé ici.une distribution normale des modèles combinent la cwr - distribution des longueurs avec un angle non
-.généralement, les angles sont
concentré autour de 0 ° ou 180 °, indiquant positive ou
autocorrélation négative dans se sens (turchin, (1998).après turchin (1998), nous avons utilisé pour estimer les caractéristiques de marche aléatoire. - paramètres, puis
de prévoir une voie de déplacement net de carré (niveau caractéristique (décrit ci - dessous). nous avons été
mouvements et a utilisé des données de 21 sentiers de 13 requins
suivi des actifs qui ont été observées au cours (tableau 1).
en utilisant la position de chaque requin toutes les 30 minutes, nous
calculé la distance (longueur) et hawth angle
entre chaque endroit en utilisant des outils en arcmap
ver.9.0 ainsi que de la vitesse (km / h) du requin entre
).tel que prédit par la théorie des angles
crw, étaient concentrés autour de 0 ° ou 180 °; et un court
essai (zar,1999) appliqué à la séquence de la droite et de la gauche, tourne (turchin, 1998) a indiqué qu'il n'était pas directionnelle autocorrélation (p > 0,05)

.
afin de quantifier le déplacement de
จาก: ภาษาอังกฤษ observé สลับภาษาต้นทางและภาษาปลายทาง เป็น: ภาษาไทย
chaque individu, nous avons calculé le déplacement
('displacement filet carré » ci - après; turchin,1998) à chaque étape: 30 minutes.