began at ca. 0800 and most tracking

began at ca. 0800 and most tracking was conducted in
the summer, 12 hours post-tracking corresponded approximately
to dusk. After 12 hours, our CRW greatly
overestimated displacement, with few of the observed
displacements falling within the 95% confidence interval
during this period (Fig. 3). The pattern of reduced displacement
in the observed movement indicates that a
behavioral shift occurred around dusk so that turn angles
were not random. Instead, turn angles were biased such
that sharks moved back toward their starting points.
We thus created a biased random walk version of our
model by adding a directional constraint to the second
12 hours of the simulation. As described in the Methods,
we added a distance criterion to the model. Our analysis
revealed that a value of 400 m minimized the differences
between observed and simulated displacements
(Fig. 4). Thus, if an individual was > 400 meters away
from its starting location after twelve hours, the model
would continue to randomly select a move length and
turn angle until the shark’s new position was closer to
its starting location than its previous position.
The simulation resulting from the BRW model performed
well (Fig. 5). For the entire 24-hour duration,
the observed displacement falls within the 95% confidence
intervals of the model. Overall, our simulation
accurately modeled increasing displacement during the
first 12 hours of the simulation followed by a return to
its starting point (i.e., a reduction in displacement) after
dusk, during the second 12 hours 2.3 Seasonal-scale movement model
When we ran our daily BRW model of shark movement
for 150 days, it greatly underestimated seasonal-scale
movement revealed by observations from our array of
passive acoustic receivers (Fig. 6). Thus, sharks must
exhibit behavior (i.e., longer, faster directed movements)
not detected by our daily active tracking data. In addition,
the observed displacements, in combination with
our previous work (Andrews et al., 2010) reveal that
individuals tended to return to starting locations in late
summer (around day 75−85 in our simulations). Indeed
nonlinear regression showed that displacements tended
to increase until day 80, and subsequently displacements
decreased (t147 = −6.135, P < 0.0001, r2 = 0.270; y =
−30904x2 +5000000x + 20000000).We next modified our daily BRW model to accommodate
unobserved behavior as well as seasonal distribution
shifts. We ran simulations in which we assumed
unobserved movement occurred at different frequencies
and that sharks moved at different speeds. Our analysis
revealed that a combination of a maximum speed of
12.5 km/hr for 2.5% of a shark’s moves minimized the
difference between observed and simulated displacement
(Fig. 7), and thus we used these parameter estimates
in subsequent versions of the model.
We next included a seasonal movement rule that biased
moves of sharks such that they moved back toward
their starting position after 75 days. This incarnation of
the model captured the observed pattern of increasing

ผลลัพธ์ (ไทย) 2:

เริ่มต้นที่แคลิฟอร์เนีย 0800
และการติดตามส่วนใหญ่ได้ดำเนินการในช่วงฤดูร้อน12
ชั่วโมงหลังการติดตามตรงประมาณถึงค่ำ หลังจาก 12 ชั่วโมง CRW
ของเรามากเกินไปแทนที่ด้วยไม่กี่สังเกต
displacements ตกอยู่ในช่วงความเชื่อมั่น 95%
ในช่วงเวลานี้ (รูปที่. 3) รูปแบบของการเคลื่อนที่ลดลงในการเคลื่อนไหวที่สังเกตได้แสดงให้เห็นว่าการเปลี่ยนแปลงพฤติกรรมที่เกิดขึ้นรอบค่ำเพื่อให้มุมที่เปิดไม่ได้สุ่ม แต่เปิดมุมถูกลำเอียงเช่นว่าฉลามย้ายกลับไปยังจุดเริ่มต้นของพวกเขา. เราจึงสร้างรุ่นสุ่มเดินแคบ ๆ ของเรารูปแบบโดยการเพิ่มข้อจำกัด ทิศทางเพื่อที่สอง12 ชั่วโมงของการจำลอง ตามที่อธิบายไว้ในวิธีการที่เราได้เพิ่มเกณฑ์ระยะไกลที่จะรูปแบบ การวิเคราะห์ของเราแสดงให้เห็นว่าค่าของ 400 เมตรลดความแตกต่างได้ระหว่างการกระจัดสังเกตและจำลอง(รูปที่. 4) ดังนั้นหากบุคคลที่เป็น> 400 เมตรห่างจากสถานที่เริ่มต้นหลังจากที่สิบสองชั่วโมงรูปแบบจะยังคงสุ่มเลือกระยะเวลาในการย้ายและเปิดมุมจนกว่าตำแหน่งใหม่ของฉลามอยู่ใกล้กับสถานที่เริ่มต้นกว่าตำแหน่งเดิม. จำลองผล จากรูปแบบการดำเนินการ BRW กัน (รูปที่. 5) สำหรับทั้งระยะเวลา 24 ชั่วโมงรางสังเกตอยู่ในความเชื่อมั่น95% ช่วงเวลาของรูปแบบ โดยรวม, การจำลองของเราอย่างถูกต้องย่อมเพิ่มขึ้นแทนที่ในช่วง12 ชั่วโมงแรกของการจำลองตามด้วยการกลับไปที่จุดเริ่มต้นของมัน(เช่นการลดลงในการกำจัดก) หลังจากค่ำช่วงที่สอง12 ชั่วโมง 2.3 ขนาดตามฤดูกาลรูปแบบการเคลื่อนไหวเมื่อเราขับรถของเรารูปแบบ BRW ในชีวิตประจำวันของการเคลื่อนไหวของปลาฉลาม150 วันก็มากตามฤดูกาลประเมินระดับการเคลื่อนไหวเปิดเผยโดยสังเกตจากแถวของเราในการรับอะคูสติกแบบพาสซีฟ(รูปที่. 6) ดังนั้นปลาฉลามจะต้องแสดงพฤติกรรม (เช่นอีกต่อไปการเคลื่อนไหวของผู้กำกับได้เร็วขึ้น) ไม่ได้ตรวจพบโดยการติดตามข้อมูลการใช้งานในชีวิตประจำวันของเรา นอกจากนี้displacements สังเกตในการรวมกันกับการทำงานของเราก่อนหน้า(แอนดรู et al., 2010) แสดงให้เห็นว่าบุคคลที่มีแนวโน้มที่จะกลับไปเริ่มต้นสถานที่ในช่วงปลายฤดูร้อน(ประมาณ 75-85 วันในการจำลองของเรา) อันที่จริงการถดถอยเชิงเส้นแสดงให้เห็นว่าการกระจัดมีแนวโน้มที่จะเพิ่มขึ้นจนถึงวันที่80 และต่อมากระจัดลดลง(t147 = -6.135, p <0.0001, r2 = 0.270; Y = -30904x2 5000000x + + 20000000) เรามีการปรับเปลี่ยนรูปแบบต่อไป BRW ประจำวันของเราที่จะรองรับไม่มีใครสังเกตพฤติกรรมเช่นเดียวกับการกระจายตามฤดูกาลกะ เราวิ่งจำลองที่เราสันนิษฐานว่าการเคลื่อนไหวที่เกิดขึ้นไม่มีใครสังเกตที่ความถี่ที่แตกต่างกันและฉลามที่ย้ายที่ความเร็วที่แตกต่างกัน การวิเคราะห์ของเราแสดงให้เห็นว่าการรวมกันของความเร็วสูงสุดถึง12.5 กม. / ชม 2.5% ของการเคลื่อนไหวของปลาฉลามลดความแตกต่างระหว่างการเคลื่อนที่สังเกตและจำลอง(รูปที่. 7) และทำให้เราใช้ประมาณการพารามิเตอร์เหล่านี้ในรุ่นต่อมาของรูปแบบต่อไปเรารวมถึงกฎการเคลื่อนไหวตามฤดูกาลที่ลำเอียงย้ายของปลาฉลามเช่นที่พวกเขาย้ายกลับไปที่ตำแหน่งเริ่มต้นของพวกเขาหลังจาก75 วัน ชาตินี้รูปแบบการจับสังเกตรูปแบบของการเพิ่ม

ผลลัพธ์ (ไทย) 3:

เริ่มเวลาประมาณ 0800 และส่วนใหญ่มีวัตถุประสงค์ในการติดตาม
ฤดูร้อนติดตามโพสต์ 12 ชั่วโมงของประมาณ
จะพลบค่ำ หลังจาก 12 ชั่วโมง , CRW ของเราอย่างมาก
overestimated การกระจัดที่มีไม่กี่ของสังเกต
ขณะล้มในช่วงความเชื่อมั่น 95%
ในช่วงเวลานี้ ( รูปที่ 3 ) รูปแบบของการลดการเคลื่อนที่
ในสังเกตการเคลื่อนไหวแสดงว่า
เปลี่ยนพฤติกรรมที่เกิดขึ้นรอบ ๆมืด ดังนั้นมุม
เปิดไม่สุ่ม แต่เปิดมุมกล้องก็ลำเอียง เช่น
ว่าฉลามย้ายกลับไปสู่จุดเริ่มต้นของพวกเขา .
เราจึงสร้างจำนวนสุ่มรุ่นของรูปแบบของเรา
โดยการเพิ่มข้อจำกัดทิศทางเพื่อ 2
12 ชั่วโมงของจำลอง ตามที่อธิบายไว้ในวิธีการที่เราเพิ่มระยะทาง
เกณฑ์ในรูปแบบ
การวิเคราะห์ของเราเปิดเผยว่า มูลค่า 400 เมตร ลดความแตกต่างระหว่างการสังเกตและการเสียรูป

( รูปที่ 4 ) ดังนั้น หากบุคคลได้ > 400 เมตรห่างจากตำแหน่งเริ่มต้นของ
หลังจาก 12 ชั่วโมง , รูปแบบ
จะสุ่มเลือกความยาวและมุมเลี้ยวจน
ย้ายตำแหน่งใหม่ของฉลามใกล้เริ่มต้นของสถานที่มากกว่า

ตำแหน่งเดิมการจำลองสถานการณ์ที่เกิดจากรูปแบบการ brw
ดี ( ภาพที่ 5 ) สำหรับระยะเวลาที่ให้บริการทั้งหมด สังเกตการเคลื่อนที่อยู่ภายใน

ช่วงความเชื่อมั่นร้อยละ 95 ของแบบจำลอง โดยรวม , จำลองของเรา
ถูกต้องแบบเพิ่มการกระจัดระหว่าง
12 ชั่วโมงแรกของการจำลองตามกลับไป
จุดเริ่มต้น ( เช่น ลดการกระจัด ) หลังจาก
สายัณห์ในช่วงที่สอง 12 ขนาด 2.3 การเคลื่อนไหวตามฤดูกาลแบบ
เมื่อเราวิ่งแบบ brw รายวันของฉลามเคลื่อนไหว
ของเรา 150 วัน ช่วยประเมินการเคลื่อนไหวขนาด
ตามฤดูกาลเปิดเผยโดยสังเกตจากอาร์เรย์ของ
เรื่อยๆไม่มีผู้รับ ( ภาพที่ 6 ) วันก่อน , ทางบ้าน
exhibit behavior ( มั่ว longer อัตรา directed movements )
not detected by our daily active tracking data . นอกจากนี้
จากการเปลี่ยนตำแหน่งในการรวมกันกับ
งานของเราก่อนหน้านี้ ( แอนดรู et al . , 2010 ) พบว่า บุคคลที่มีแนวโน้มที่จะกลับไป

เริ่มสถานที่ในปลายฤดูร้อน ( ประมาณวัน 75 − 85 ในแบบของเรา ) แน่นอน

การถดถอยเชิงเส้น พบว่ามีแนวโน้มเพิ่มขึ้นจนสูงสุด 80 และต่อมา displacements
ลดลง ( t147 = − 6.135 , p < 0.0001 , R2 = 0.270 ; Y =
บริษัท เวสเทิร์น 30904x2 5000000x 20000000 ) เราต่อไปแก้ไขรูปแบบ brw ของเราทุกวันเพื่อรองรับ
unobserved พฤติกรรมตลอดจนกะกระจาย
ตามฤดูกาล เราวิ่งแบบที่เราคิดว่า
เคลื่อนไหว unobserved เกิดขึ้นที่ความถี่แตกต่างกัน
และฉลามที่ย้ายที่ความเร็วที่แตกต่างกัน การวิเคราะห์ของเรา
เปิดเผยว่า การรวมกันของความเร็วสูงสุด
12.5 km / hr 2.5 % ของการเคลื่อนไหวของฉลามลด
ความแตกต่างระหว่างการตรวจสอบและจำลองการเคลื่อนที่
( รูปที่ 7 ) ซึ่งเราใช้ตัวแปรตามประมาณการ
รุ่นของรุ่นเราต่อไป
รวมกฎการเคลื่อนไหวตามฤดูกาลที่ลำเอียง
ย้ายปลาฉลามเช่นที่พวกเขาย้ายกลับไปสู่
จุดเริ่มต้นหลังจาก 75 วัน นี้ชาติของ
รูปแบบจับสังเกตรูปแบบเพิ่มขึ้น