Autoregressive hidden Markov models for high-resolution animal movement data
本文提出带一般阶自回归成分的隐马尔可夫模型，用于刻画高分辨率动物移动数据中的强状态内相关性，并通过lasso自动选阶，模拟和燕鸥轨迹数据验证了其改进推断的效果。
2024-12-16 stat.ME
Animal Movement Models with Mechanistic Selection Functions
一套统计方法被用来研究动物的运动。这些方法中的大多数以三种方式之一处理动物遥测数据：离散过程，连续过程或点过程。我们简要地回顾了这些方法，然后集中在后者。在点过程的背景下，所谓的资源选择分析是统计处理动物遥测数据的最常见方法之一。然而，大多数资源选择分析提供基于点过程模型的近似推理。这些模型的形式仅限于几种类型的规范，这些规范提供了关于相对资源使用的推断，以及不太常见的使用概率。对于更一般的时空点过程模型，最常见的分析类型通常采用数据增强方法，该方法用于创建可以用条件逻辑斯谛回归分析的二进制数据集。我们表明，条件逻辑斯谛回归可能性可以推广到适应各种替代规格的资源选择。然后，我们提供了一个例子的情况下，时空点过程模型相吻合的机械模型表示为偏微分方程从运动的第一原理推导出的运动所隐含的。我们表明，从这种形式的点过程模型的推理是直观的（并可能是有用的管理和保护）通过分析一组遥测数据从美国科罗拉多州的美洲狮，了解空间明确的环境条件对运动行为的影响这个物种。
2019-12-19 stat.ME
A Lattice and Random Intermediate Point Sampling Design for Animal Movement
动物运动研究在动物生态学中已经变得无处不在，用于估计空间使用和分析运动行为。在这些研究中，动物运动数据主要以固定的时间间隔收集。我们提出了一种不规则的抽样设计，这可能会导致更高的效率和信息增益的动物运动研究。我们的新的采样设计，称为格子和随机中间点（LARI），结合样本在定期和随机的时间间隔。我们比较了LARI抽样设计，定期抽样设计的一个例子中，与常见的黑木匠蚂蚁的位置数据，一个例子与孔雀鱼的位置数据，和一个模拟研究的运动与吸引点。我们修改了一般的随机微分方程模型，允许不规则的时间间隔，并使用这个框架来比较抽样设计。当参数估计得相当好时，定期抽样会导致预测缺失数据的精度和准确度更高。然而，在本文探讨的每个数据和模拟示例中，LARI采样导致更准确和精确的参数估计，从而也更好地预测缺失数据。这一结果表明，研究人员可能会更深入地了解潜在的动物运动过程中选择LARI采样比定期采样。
2019-11-11 stat.AP stat.ME
Imputation Approaches for Animal Movement Modeling
遥测数据分析在动物生态学研究中很常见。虽然个体动物的遥测数据的收集已经有了显著的改进，但是适当考虑固有不确定性的方法（例如，测量误差、依赖性、移动障碍）已经落后。尽管如此，已经开发了许多新的统计方法来推断影响动物运动的未知量或基于遥测数据预测运动。分层统计模型可用于解释上述一些不确定性，并提供总体水平的推断，但它们通常会增加计算负担。对于某些类型的统计模型，如果潜在的真实动物轨迹是已知的，则直接提供推断，但否则具有挑战性。在这些情况下，与多重插补相关的方法已被用来解释与我们对潜在轨迹的了解相关的不确定性。尽管越来越多地使用插补方法来模拟动物运动，但这些方法的一般灵敏度和准确性尚未详细探讨。我们提供了一个动物运动建模的介绍，并描述了如何填补方法可能有助于某些类型的模型。我们还评估了模拟研究中的插补方法的性能。我们的模拟研究表明，与个体位置直接相关的模型参数的推断可能比与高阶过程（如速度或加速度）相关的参数的推断更准确。最后，我们应用这些方法来分析一个遥测数据集，涉及白令海北部海狗（Callorhinus ursinus）。
2017-07-13 stat.AP stat.ME
Localized Mutual Information Monitoring of Pairwise Associations in Animal Movement
卫星成像和全球定位系统跟踪装置的进步带来了遥感和地理空间分析的新时代。在环境科学和保护生态学中，生物遥测数据通常是高维的，空间和/或时间上的，并且本质上是功能性的，这意味着感兴趣的生物过程具有潜在的连续性。GPS对动物运动的跟踪通常表现为对动物位置的不规则时间记录，并且动物之间的运动关系容易发生突变。在本文中，我提出了一个本地化的互信息（LMI）的措施，以获得一个相关函数，用于监测动物运动轨迹之间的成对关联的变化。的LMI措施的属性进行评估分析和模拟在各种情况下。的LMI措施的优点和缺点进行了评估，并提出了一种替代措施的LMI来处理潜在的缺点。LMI的措施被证明是一个有效的工具，用于检测动物运动的相关性的变化，和季节性/阶段性的解释结构。
2022-01-06 q-bio.PE q-bio.QM stat.ME
Bayesian inference for continuous time animal movement based on steps and turns
虽然通过GPS等获得的动物位置通常是在离散时间尺度上观察的，但在连续时间中制定的运动模型是优选的，以避免在面对不规则观察或在不同时间尺度上比较分析的前景时在离散时间中经历的挣扎。一类模型能够模拟一系列的运动的想法被定义为一个随机过程描述速度和轴承的组合表示运动。通过使用马尔可夫链蒙特卡罗方法描述了一种用于此类模型的贝叶斯推断方法。这种推断依赖于在离散时间内对动物位置的增强，这些位置已经被错误地观察到，并且通过模拟技术获得了更详细的运动路径。单个驯鹿（Rangifer tarandus）的真实数据分析说明了所提出的方法。
2016-11-04 stat.AP stat.ME
The Langevin diffusion as a continuous-time model of animal movement and habitat selection
1.利用率分布描述了动物使用空间单元的相对概率。人们很自然地认为这是动物短期运动决定的长期结果：随着时间的推移，小位移的积累会产生全球空间使用模式。然而，大多数利用分布模型要么忽略了潜在的运动，假设独立的观察位置，或基于简单的布朗运动运动的运动规则。2.我们介绍了一个新的连续时间模型的动物运动，基于朗之万扩散。这个随机过程有一个明确的固定分布，概念上类似于利用分布的想法，因此提供了一个直观的框架，整合运动和空间使用。我们的静态（利用）分布与资源选择功能的链接的运动空间协变量，并允许推断到栖息地的选择。3.标准的近似技术可以用来获得伪似然的朗之万扩散运动模型，并估计栖息地的偏好和运动参数的跟踪数据。我们研究了该方法在模拟数据上的性能，并讨论了其对采样时间尺度的敏感性。我们提出了一个例子，它的应用程序跟踪数据的恒星海狮（Eumetopiasjubatus）。4.由于其连续时间公式，该方法可以应用于不规则的遥测数据。它提供了一个严格的框架，以估计长期的栖息地选择相关的运动数据。
2018-10-24 stat.AP stat.ME
Multi-scale modeling of animal movement and general behavior data using hidden Markov models with hierarchical structures
隐马尔可夫模型（Hidden Markov Models，简称HMM）通常用于对动物运动数据进行建模并推断动物行为的各个方面。HMM假设来自观测的时间序列的每个数据点源于$N$可能的状态之一。这些状态与行为模式之间的联系是松散的，行为模式在观察的时间分辨率上表现出来。然而，由于标签技术的进步，可以以越来越精细的时间分辨率收集数据。然而，在时间尺度上的推断比收集数据的时间尺度粗糙，并且对应于更大规模的行为过程，尚未通过Hynthology回答。我们包括额外的层次结构的基本HMM框架，以纳入多个马尔可夫链在不同的时间尺度。分层结构的HSPINESS允许在多个时间尺度上进行行为推断，也可以作为避免粗化数据的一种手段。我们提出的框架是第一个同时在多个时间尺度上模拟动物行为的框架之一，为动物运动建模领域开辟了新的可能性。我们说明了应用分层结构的障碍，在两个真实的数据例子：（一）垂直运动的港口江豚在现场观察到的，和（二）束带蛇运动数据收集的一部分，试验设计。
2017-02-13 q-bio.QM stat.ME
Moving-Resting Process with Measurement Error in Animal Movement Modeling
动物运动的统计建模是至关重要的。动物运动的连续轨迹只能在离散的、通常间隔不规则的时间点观察到。大多数现有的模型不能自然地处理不等的采样间隔和/或不允许诸如休息或睡眠的不活动时段。最近提出的运动-静止（MR）模型是一种由电报过程控制的布朗运动，它允许电报过程的一个状态中有一段不活动的时间。MR模型在模拟具有长不活动期的捕食者（如许多猫科动物）的运动方面显示出了希望，但缺乏对测量误差的适应性严重阻碍了其在实际中的应用。在这里，我们将测量误差的MR模型，并得出模型的基本属性。推理是基于一个复合似然使用的马尔可夫性的链组成的每隔一个观察到的增量。在有限样本仿真研究中验证了该方法的性能。应用于怀俄明州的山狮的运动数据说明了该方法的实用性。
2020-08-24 stat.CO stat.ME
Integral Fractional Ornstein-Uhlenbeck Process Model for Animal Movement
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
本文提出将动物遥测数据的速度建模为分数阶 Ornstein-Uhlenbeck 过程，通过积分 fOU 过程对位置数据建模，以灵活捕捉长程记忆，并开发了快速模拟算法和最大似然参数估计方法，最后应用于墨西哥湾长须鲸的遥测数据分析。
2025-10-12 stat.ME
Incorporating Animal Movement into Continuous-Time Spatial Capture-Recapture Models
University of British Columbia（不列颠哥伦比亚大学）；University of Edinburgh（爱丁堡大学）；University of St Andrews（圣安德鲁斯大学）
本文针对空间捕获-重捕模型未明确建模动物运动可能导致种群规模估计偏差的问题，开发了纳入运动的连续时间框架，经模拟和美洲貂数据验证可实现无偏推断并提供空间利用信息。
2026-08-19 stat.ME
Multidimensional Integral Fractional Ornstein--Uhlenbeck Process with an Application to Animal Movement
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
本文将积分分数阶奥恩斯坦-乌伦贝克（ifOU）过程扩展为多维模型，用于动物遥测，建立了协方差有效性等理论结果并开发了模拟、推断等方法，经模拟验证后应用于德国夜蝠的运动遥测数据。
2026-08-05 stat.ME
Multiscale modelling of animal movement with persistent dynamics
Dalhousie University（达尔豪斯大学）；Pennsylvania State University（宾夕法尼亚州立大学）
本文提出基于欠阻尼Langevin过程的连续时间多尺度动物运动模型，连接资源选择与步长选择函数，并给出状态空间推断及混合效应方法。
2025-10-05 q-bio.QM stat.AP stat.ME
Accounting for phenology in the analysis of animal movement
对动物追踪数据的分析为生态学的科学理解和发现提供了重要来源。使用遥测设备对动物轨迹的观察为研究人员提供了有关动物与环境以及动物之间相互作用的信息。对于许多物种来说，景观中的特定地理特征对行为有很大的影响。这样的特征可以对应于单个点（例如，巢穴或杀死地点），或更高维的子空间（例如，河流或湖泊）。特征在时间上可以是相对静态的（例如，海岸线或家庭范围中心），或者可以是动态的（例如，海冰范围或食草动物的优质饲料区）。我们介绍了一种新的动物运动模型，采用了主动选择的动态功能在景观。我们的方法是出于对北极熊（Ursus maritimus）运动的研究。在海冰融化的季节，北极熊大部分时间都呆在浅水区的海冰上，在那里它们捕食海豹。从春末到初秋，海冰的分布和特征不断变化，这意味着宝贵的栖息地的位置不断变化。我们开发了一个模型的北极熊的运动，占这一重要的景观特征的影响。我们介绍了一个两阶段的近似贝叶斯推断程序，使我们能够分析2012- 2016年186只北极熊的30多万个观测位置。我们使用我们提出的模型来回答野生动物管理人员提出的一个特定问题，他们试图将波弗特海和楚科奇海的北极熊聚类成亚种群。
2020-02-14 stat.AP stat.ME
Continuous-time modelling of behavioural responses in animal movement
在生态学中，人们对了解野生动物如何受到人为干扰（如声音）的影响有很大的兴趣。行为反应研究是量化海军活动对海洋哺乳动物影响的一个重要方法。进行受控暴露实验，其中动物的行为在暴露于受控声源之前、期间和之后被量化，通常使用遥测标签（例如，加速度计或卫星跟踪器）。需要建立统计模型，以正式比较接触前后的模式，量化与基线行为的偏差。我们提出变系数随机微分方程（SDES）作为一个灵活的框架来模拟这样的数据，有两个组成部分：（1）时变基线动态，建模与非参数或随时间变化的协变量的随机效应，和（2）非参数响应模型，它捕获偏离基线。在连续时间内指定了PDE，这使得分析以不规则时间间隔收集的数据变得简单，这是动物跟踪研究的常见情况。我们描述了如何将该模型嵌入到一个状态空间建模框架，以考虑测量误差。我们提出了模型拟合，模型检查和不确定性量化（包括响应模型）的推理方法。我们将这种方法应用于两个行为反应研究数据集的喙鲸：卫星跟踪，和高分辨率的深度数据。我们的研究结果表明，鲸鱼的水平运动和垂直潜水行为改变后，暴露于声源，未来的工作应该评估这些反应的严重性和可能的后果。这两个非常不同的例子展示了可变系数的多功能性SDES来测量行为的变化，我们讨论了干扰鲸鱼的能量平衡的影响。
2022-12-19 stat.AP stat.ME
Detecting changes in dynamic social networks using multiply-labeled movement data
动物种群的社会结构通常可以影响运动，并为研究人员提供物种行为倾向的信息。动物社交网络可以通过运动数据进行研究;然而，现代数据源可能存在识别问题，导致多个标记的个体。由于所有可用的社会运动模型依赖于独特的标签，我们扩展了现有的贝叶斯分层运动模型的方式，利用潜在的社会网络，并容纳多标签的运动数据（MLMD）。我们将我们的模型应用于无人机测量的运动数据从Risso的海豚（Grampus griseus）和估计的影响，声纳曝光的海豚的社会结构。我们提出的框架可以适用于MLMD的各种社会运动的应用。
2022-11-01 stat.AP stat.ME
An introduction to statistical models used to characterize species-habitat associations with animal movement data
本文综述并比较了用于动物移动数据中物种-栖息地关联建模的三种统计模型（RSF、SSF、HMM），通过案例展示其差异，并为按数据尺度和推断目标选择合适模型提供指导。
2025-02-28 q-bio.PE q-bio.QM stat.ME
Approximate Bayesian inference for a "steps and turns" continuous-time random walk observed at regular time intervals
动物运动的研究是具有挑战性的，因为它是一个由许多因素在不同的空间和时间尺度上调节的过程。已经提出了几种模型，其主要不同之处在于时间概念化，即连续和离散时间公式化。自然，动物的运动是在连续的时间内发生的，但我们倾向于在固定的时间间隔内观察它。为了解释观测和运动决策之间的时间不匹配，我们使用了状态空间模型，其中运动决策（步骤和转弯）是在连续时间内做出的。然后以固定的时间间隔观察运动过程。由于这种状态空间模型的似然函数计算复杂，但模拟数据是简单的，我们使用近似贝叶斯计算（ABC）的一些变化进行推理。我们在模拟研究中探索了这些方法的适用性，作为观察时间尺度与运动过程时间尺度之间差异的函数。我们演示了应用该模型的一个真正的轨迹的羊，重建在高分辨率使用磁力计和GPS设备的信息。我们的研究结果表明，可以得到准确的估计时，观察是小于5倍的平均时间之间的变化，在运动方向。这里使用的状态空间模型使我们能够以直观且易于解释的方式将观察和运动决策的尺度联系起来。我们的研究结果强调了这样一个想法，即在设计数据收集协议时需要考虑动物运动决策的时间尺度，并且有时高频数据可能不需要对某些运动过程进行良好的估计。
2019-07-23 stat.AP stat.ME
Estimating animal densities and home range in regions with irregular boundaries and holes: a lattice-based alternative to the kernel density estimator
基于点过程的密度估计通常局限于具有不规则边界或孔洞的区域。我们提出了一个密度估计，基于格的密度估计，它产生合理的密度估计在这些情况下。估计过程开始于用节点覆盖该区域，将这些节点在网格中连接在一起，然后计算网格上长度为k的随机游动的密度。我们使用无偏交叉验证标准的近似值来找到最佳行走长度k。该技术说明使用walleye（桑德玻璃）无线电遥测搬迁在门罗湖，印第安纳州。我们还使用模拟比较的技术，传统的核密度估计的情况下，没有显着的边界效应。
2010-10-16 q-bio.QM stat.AP stat.ME
