方法选择与时间尺度对动物行为状态生态学推论的重大影响

本研究针对动物运动数据分析中行为状态估计方法选择的难题，比较了移动持续性模型(MPM)、隐马尔可夫模型(HMM)和混合成员运动方法(M4)在分析绿海龟(Chelonia mydas)遥测数据时的表现。研究发现不同统计方法和时间尺度会显著影响行为状态估计结果，其中HMM和M4在8小时时间步长能有效区分区域限制搜索(ARS)与迁徙行为，而MPM在1小时短时间尺度能识别迁徙过程中的精细行为模式。该研究为动物运动生态学研究的方法选择提供了重要指导，对提高生态学推论的准确性具有重要意义。

在动物运动生态学研究领域，随着生物遥测技术的飞速发展，研究人员能够获取越来越丰富的动物运动数据。这些数据为了解动物行为、指导物种保护和制定管理策略提供了宝贵信息。然而，面对海量的运动数据，研究人员需要借助各种统计方法来估计动物的行为状态，这就带来了一个关键问题：在众多可用的方法中，如何选择最适合的方法来准确推断动物的行为状态？

目前，用于估计行为状态的统计方法种类繁多，从隐马尔可夫模型(HMM)到状态空间模型(SSM)，再到新兴的混合成员运动方法(M4)，每种方法都有其独特的假设和适用条件。更复杂的是，遥测设备的时间尺度设置（即采样间隔）也可能对行为状态的估计产生深远影响。这些因素的综合作用使得研究人员在实际应用中面临巨大挑战，不当的方法选择可能导致对动物行为的错误解读，进而影响保护决策的有效性。

针对这一难题，Joshua A. Cullen及其团队在《Animal Biotelemetry》上发表了一项重要研究，以巴西费尔南多-迪诺罗尼亚群岛的绿海龟(Chelonia mydas)为研究对象，系统比较了三种常用行为状态估计方法在不同时间尺度下的表现。研究团队追踪了19只繁殖后成年雄性绿海龟的运动轨迹，这些个体表现出两种典型的运动策略：迁徙型（15只）和定居型（5只）。研究人员特别关注了方法选择和时间尺度如何影响对海龟行为状态的生态学推论。

研究采用的关键技术方法包括：使用aniMotum R包中的连续时间相关随机游走状态空间模型(SSM)处理原始卫星遥测数据，以考虑位置误差和不规则时间间隔；应用移动持续性模型(MPM)估计连续的行为状态指数（移动持续性γ）；利用momentuHMM包拟合隐马尔可夫模型(HMM)分析步长、转向角和净位移；采用bayesmove包中的混合成员运动方法(M4)进行轨迹分段和状态聚类。研究比较了1小时、4小时和8小时三种时间尺度下的行为状态估计结果。

行为状态估计结果

移动持续性模型(MPM)的分析结果显示，时间尺度对行为状态估计有显著影响。在8小时时间步长下，MPM能够清晰区分海龟在繁殖地的低速迂回运动（低γ值）、海洋迁徙期间的高速定向运动（高γ值）以及到达大陆摄食区后的低速运动（低γ值）。而在1小时短时间尺度下，移动持续性值在0-1之间持续振荡，表明行为状态随时间快速变化。

隐马尔可夫模型(HMM)在所有时间尺度下均估计出三种行为状态，根据状态依赖分布的形态特征，研究人员将其标记为"繁殖"、"摄食"和"迁徙"状态。"繁殖"和"摄食"状态都表现为区域限制搜索(ARS)行为，其特征是短步长和大转向角，主要区别在于净位移值的分布不同。"迁徙"状态则表现为长步长和小转向角。HMM能够可靠地识别从繁殖地到摄食地的迁徙行为以及沿岸移动的短暂迁徙期。

混合成员运动方法(M4)在4小时和8小时时间步长下估计出4种行为状态，在1小时时间步长下估计出5种状态。状态被标记为"繁殖驻扎"、"繁殖ARS"、"摄食"和"迁徙"，在1小时尺度下额外识别出"繁殖_探索"状态。M4方法的一个特点是，海龟在费尔南多-迪诺罗尼亚期间的行为通常被估计为多种状态的组合，这为行为理解提供了更细致的视角。

时间尺度的影响

研究的一个重要发现是，时间尺度对所有三种方法的行为状态估计都有显著影响。较短的时间步长（1小时）能够检测到更快速的行为状态变化，甚至识别出在较长时间尺度下无法察觉的精细行为模式。例如，MPM在1小时时间尺度下发现了迁徙期间移动持续性短暂降低的现象，这可能对应于海龟在长途迁徙过程中的休息活动。

相比之下，较长的时间步长（4小时和8小时）则产生了更持久的行为状态估计，行为转变更加明显，更适合识别大尺度的行为模式如迁徙与区域限制搜索的区分。这种时间尺度效应强调了在研究设计阶段慎重选择遥测设备采样频率的重要性。

方法比较与选择指南

三种方法各有优势和局限性。MPM将行为估计为连续参数（移动持续性γ），不需要将行为强制归类到离散状态，在精细时间尺度下能捕捉复杂的行为连续变化，但对于中间值的行为解释较为困难。HMM能够有效区分预期的离散行为状态，但需要预先设定状态数量和对概率密度函数做出假设。M4采用更数据驱动的方法，能同时估计可能的状态数量，但不假设机制性运动模型。

基于研究结果，团队提出了方法选择的实用指南（图7）。当研究目标是分类区域限制搜索和迁徙行为时，HMM和M4方法适合多数情况；而当需要分析精细时间尺度的日行为模式时，MPM更为合适。如果研究涉及环境协变量对行为转变的影响，移动持续性混合效应模型(MPMM)或HMM是更好的选择。

研究结论与意义

该研究证实，方法选择和时间尺度是影响动物运动数据生态学推论的关键因素，没有一种方法适用于所有研究场景。MPM在精细时间尺度下能识别复杂的行为连续变化，而HMM和M4在较粗时间尺度下能有效区分离散行为状态如区域限制搜索和迁徙。

这一研究对动物运动生态学领域具有重要指导意义。随着生物遥测设备技术的进步，分钟级甚至秒级数据的获取变得越来越普遍，对分析方法提出了更高要求。研究强调，方法选择应基于研究问题、数据特性和预期行为，而非简单沿用常用方法。同时，重新分析现有数据集使用新方法可能验证已有发现或更新对物种行为的认知。

研究还揭示了成年雄性绿海龟行为的复杂性，它们表现出与产后雌性海龟相似的行为模式，包括在繁殖地的多种受限运动状态以及迁徙期间可能存在的短暂休息期。这些发现增进了我们对这一物种行为生态学的理解，为保护管理提供了科学依据。

最终，该研究为研究人员提供了一套实用指南，帮助他们在面对方法选择难题时做出更明智的决策，从而提高动物运动数据行为推论的准确性和可靠性，为物种保护和生态系统管理提供更可靠的科学基础。