but poorly understood aspect of the

but poorly understood aspect of the ecology of populations
(Hulme, 2005; Chetkiewicz et al., 2006; Moffitt et
al., 2009). For species that may be vulnerable to spatially
heterogeneous human pressures, such as fishing or
pollution, understanding movement is essential for understanding
1) the level of threat a particular human
activity poses, and 2) the potential efficacy of proposed
solutions. In this paper, we investigated the movement
ecology of an at-risk apex predator, and by melding
daily-scale active tracking with seasonal-scale passive
monitoring, we were able to develop an empiricallybased
model of sixgill shark movement that adequately
described shark movement over a 150-day period. Our
work revealed that diel changes in behavior resulted in
restricted movement on a daily basis. Additionally, extrapolation
of daily movement behavior over several
months failed to predict seasonal-scale patterns. This
failure ostensibly arises from a seasonal shift in distribution
(see also Andrews et al., 2010), and the presence
of rare, long moves that were unobserved in our daily
tracking.
Our approach for building our multi-scale model followed
the philosophy espoused by Turchin (1998). Our
goal was to predict the spatial pattern of individuals
based on knowledge of patterns of movement. We began
with a simple correlated random walk as a means to
connect daily-scale movement processes to pattern.
When we confronted this model with data, we saw that
the model failed, and then we used our empirical observations
to modify the model and estimate parameters for
the revised model (a biased random walk). Secondly, we
attempted to use the daily-scale model to predict something
novel—movement patterns over 150 days. Again,
the model failed to fully explain our observations, and
we designed an alternative that more fully incorporated
data generated from passive monitoring. The approach
we employed is circular and does not constitute a rigorous
test of the model. Rather, the process of model development
and empirical testing is a departure from
traditional hypothesis testing (Underwood, 1997). Indeed,
the model itself can be considered a hypothesis
that should be subjected to rigorous examination. Importantly,
the proximate mechanisms underlying the
movement behavior captured by our model are unknown,
and also constitute hypotheses in need of examination.
Further, exploration of the cues sharks respond
to, their responses to prey, their habitat preferences,
and their reaction to conspecifics would certainly
improve the behavioral underpinnings of the
model. For example, close inspection of our daily-move
model reveals that observed movement early in the day
tended to be underestimated by the model (although the
results are within the confidence intervals for the model).
Thus, there is a suggestion of some directionality in
movement that is worthy of further examination.
Standard random walk models are appropriate for reproducing
movement trajectories with only implicit
links between the trajectory and underlying behavior
(Bartumeus, 2009). Bartumeus (2009) describes a
framework for extending standard random walks to
bridge the gap between statistical descriptions of
movement paths and behavioral ecology. Models that
incorporate mixtures of random walks (multiple random
walk, MRW, models) are a step in this direction. In
MRWs, different behavioral modes are modeled with
distinct random walk parameters. For instance, Morales
and colleagues (2004) developed a multiple random
walk model for elk that included two behavioral modes,
encamped and exploratory. Our approach for sixgill
sharks is a form of MRW in that model parameters (i.e.,
probability of turn angles) differed between day and
night behavioral states. Thus, while MRW models are
typically used in situations where the spatial environment
(e.g., habitat) modifies movement behavior, we
employed the approach in a case where the environment
changed temporally.
Like standard random walk models, however, MRW
fails to illuminate the underlying behavior responsible
for the observed movement paths. Rather, MRW simply
accounts for the presence of different behavioral modes.
Consequently, Bartumeus (2009) argues for the need of
intermittent random walk (IRW) models. Kramer and
McLaughlin (2001) define intermittent movement as
locomotion that occurs when the force an animal produces
to generate movement is applied discontinuously
resulting in pauses in motion for terrestrial species or
variable speeds in animals moving through air or water.
Such intermittent behavior is widespread and occurs in a
diversity of species and in a variety of situations
(Kramer and McLaughlin, 2001 and references therein).
Thus, some animals may discretize their movement behavior
in response to environmental cues, and the approaches
used for statistically describing such behavior
differs from standard random walk approaches
(Bartumeus, 2009; Reynolds, 2010). In particular, intermittent
movement trajectories are commonly modeled
with Lévy walks (Reynolds and Frye, 2007), which
then form the modeling framework for IRW models.
Future work investigating sixgill movement behavior
using an IRW framework may prove to be a useful way
to begin to understand the behavioral mechanisms that
control the statistical features of sixgill movement trajectories.
Restricted movement has been observed in a number
of shark species (e.g., McKibben and Nelson, 1986;
Gruber et al., 1988; Klimley et al., 1988; Klimley et al.,
2001; Sundstrom et al., 2001; Papastamatiou et al.,
2009), and thus there is an expectation that movement
of many shark species should deviate from a random
walk (Nams, 2006). Our result showing deviation from
CRW on a daily basis is consistent with this expectation.
In addition to restricted home ranges, movement of
sharks may deviate from CRW for a number of reasons.
For instance, Heithaus et al. (2002)and Papastamatiou et
al. (2009) show that habitat preferences result in deviation
from CRW for tiger Galeocerdo cavier and blacktip
reef Carcharhinus melanopterus sharks, respectively.

ผลลัพธ์ (ไทย) 1:

แต่เข้าใจงานด้านนิเวศวิทยาของประชากร(Hulme, 2005 Chetkiewicz และ al., 2006 Moffitt ร้อยเอ็ดal., 2009) สำหรับพันธุ์ที่อาจเสี่ยง spatiallyบริการดันมนุษย์ เช่นตกปลา หรือมลพิษ เข้าใจความเคลื่อนไหวเป็นสิ่งจำเป็นสำหรับความเข้าใจ1 คุกคามมนุษย์เฉพาะระดับ)โพสท่ากิจกรรม และ 2) ประสิทธิภาพศักยภาพของการนำเสนอการแก้ไขปัญหา ในเอกสารนี้ เราตรวจสอบการเคลื่อนไหวนิเวศวิทยา ของพรีเดเตอร์ apex มีความเสี่ยง และ meldingติดตามงานชั่งทุกวันกับฤดูกาลระดับแฝงตรวจสอบ เราไม่สามารถพัฒนาเป็น empiricallybasedรูปแบบการเคลื่อนไหว sixgill ฉลามที่เพียงพอย้ายปลาฉลามอธิบายช่วงระยะเวลา 150 วัน ของเรางานเปิดเผยว่า diel ทำให้เกิดการเปลี่ยนแปลงในลักษณะการทำงานการเคลื่อนไหวจำกัดประจำวัน นอกจากนี้ extrapolationทุกการเคลื่อนไหวพฤติกรรมผ่านหลายเดือนที่ไม่สามารถทำนายรูปแบบสเกลตามฤดูกาล นี้ความล้มเหลวของรัฐบาลเกิดจากกะตามฤดูกาลในการแจกแจง(ดูแอนดรูวส์ et al., 2010), และการของหายาก ลองย้ายที่ unobserved ในทุกวันของเราติดตามตามวิธีการของเราสำหรับการสร้างโมเดลของเราหลายอัตราปรัชญา espoused โดย Turchin (1998) ของเราเป้าหมายคือการ ทำนายรูปแบบพื้นที่ของแต่ละบุคคลตามความรู้ในรูปแบบของการเคลื่อนไหว เราเริ่มด้วยการเดินสุ่ม correlated ง่ายเป็นวิธีเชื่อมต่อให้รูปแบบกระบวนการเคลื่อนย้ายเครื่องชั่งทุกวันเมื่อเรารุ่นนี้กับข้อมูล เราเห็นที่แบบจำลองล้มเหลว แล้ว เราใช้สังเกตผลของเราการปรับเปลี่ยนรูปแบบ และพารามิเตอร์สำหรับประเมินแบบจำลองการปรับปรุง (biased สุ่มเดิน) ประการที่สอง เราพยายามที่จะใช้แบบมาตราส่วนทุกวันเพื่อทำนายบางอย่างนวนิยายซึ่งรูปแบบการเคลื่อนไหวมากกว่า 150 วัน อีกครั้งแบบไม่สามารถอธิบายทั้งหมดของเราสังเกต และเราออกแบบทางเลือกที่มากขึ้นอย่างเต็มรวมข้อมูลที่สร้างขึ้นจากการตรวจสอบแฝง วิธีการเราทำงานเป็นวงกลม และไม่ได้รวมตัวอย่างเข้มงวดการทดสอบแบบจำลอง ค่อนข้าง กระบวนการพัฒนาแบบจำลองและผลทดสอบ ออกจากสมมติฐานแบบทดสอบ (Underwood, 1997) แน่นอนรูปแบบตัวเองถือได้ว่าเป็นสมมติฐานที่ควรอยู่ภายใต้การตรวจสอบอย่างเข้มงวด ที่สำคัญกลไกเคียงต้นแบบลักษณะการทำงานเคลื่อนไหวจากโมเดลของเราจะไม่รู้จักและยัง เป็นสมมุติฐานที่ต้องการตรวจสอบเพิ่มเติม การตอบสนองของบรรดาฉลามสัญลักษณ์การ การตอบรับกลุ่มเป้าหมาย ลักษณะการอยู่อาศัยและปฏิกิริยาของพวกเขาเพื่อ conspecifics จะแน่นอนปรับปรุง underpinnings พฤติกรรมของการแบบจำลอง ตัวอย่าง ปิดตรวจสอบย้ายทุกวันของเราแบบจำลองพบว่าพบความเคลื่อนไหวในช่วงวันมีแนวโน้มที่จะเป็น underestimated รุ่น (แม้ว่าการผลลัพธ์ได้ภายในช่วงความเชื่อมั่นสำหรับแบบจำลอง)ดังนั้น จึง มีคำแนะนำของบางทิศในการเคลื่อนไหวที่น่าตรวจสอบเพิ่มเติมรุ่นมาตรฐานสุ่มเดินเหมาะสำหรับทำเคลื่อนไหว trajectories มีเพียงนัยเชื่อมโยงระหว่างวิถีและพฤติกรรมต้นแบบ(Bartumeus, 2009) Bartumeus (2009) อธิบายการกรอบงานสำหรับการขยายมาตรฐานสุ่มเดินเชื่อมต่อช่องว่างระหว่างคำอธิบายเกี่ยวกับสถิติเส้นทางการเคลื่อนไหวและพฤติกรรมนิเวศวิทยา รุ่นที่รวมผสมเดินสุ่ม (สุ่มหลายเดิน MRW รุ่น) คือ ขั้นตอนในทิศทางนี้ ในMRWs รูปแบบพฤติกรรมต่าง ๆ ที่จำลองด้วยพารามิเตอร์การเดินสุ่มทั้งหมด ตัวอย่าง ราเลสและเพื่อนร่วมงาน (2004) ได้รับการพัฒนาหลายแบบสุ่มเดินแบบสำหรับเอิล์คฮิลล์ที่รวมสองโหมดพฤติกรรมencamped และเชิงบุกเบิก วิธีการของเราสำหรับ sixgillปลาฉลามเป็นฟอร์มของ MRW ในพารามิเตอร์ของแบบจำลองที่ (เช่นน่าเปิดมุม) ที่แตกต่างระหว่างวัน และคืนพฤติกรรมอเมริกา ดังนั้น ขณะที่ MRW รุ่นโดยทั่วไปใช้ในสถานการณ์ที่สภาพแวดล้อมพื้นที่(เช่น แฮบิแทท) ปรับเปลี่ยนลักษณะการทำงานเคลื่อนไหว เราจ้างวิธีในกรณีที่สิ่งแวดล้อมเปลี่ยน temporallyเช่นเดินสุ่มมาตรฐานรูปแบบ อย่างไร ตาม MRWไม่ส่องพฤติกรรมอยู่ภายใต้ความรับผิดชอบสำหรับเส้นทางการเคลื่อนไหวที่สังเกต ค่อนข้าง MRW เพียงบัญชีสำหรับสถานะของรูปแบบพฤติกรรมต่าง ๆดังนั้น Bartumeus (2009) จนความต้องการของรูปแบบจำลองเดินสุ่มไม่ต่อเนื่อง (IRW) Kramer และแม็กลาฟลิน (2001) กำหนดการเคลื่อนไหวเป็นระยะ ๆlocomotion ที่เกิดขึ้นเมื่อกองทัพอันสัตว์ทำให้เกิดการสร้างความเคลื่อนไหวจะใช้ discontinuouslyในช่วงหยุดเคลื่อนไหวสำหรับพันธุ์ภาคพื้น หรือเร็วในการเคลื่อนย้ายผ่านอากาศหรือน้ำสัตว์ลักษณะการทำงานไม่ต่อเนื่องดังกล่าวเป็นที่แพร่หลาย และเกิดขึ้นในการความหลากหลาย ของสปีชีส์ และความหลากหลายของสถานการณ์(Kramer และแม็กลาฟลิน 2001 และอ้างอิง therein)ดังนั้น สัตว์บางอาจ discretize ทำความเคลื่อนไหวตอบสัญลักษณ์สิ่งแวดล้อม และวิธีการใช้สำหรับอธิบายพฤติกรรมดังกล่าวทางสถิติแตกต่างจากแนวทางมาตรฐานเดินสุ่ม(Bartumeus, 2009 เรย์โนลด์ส 2010) โดยเฉพาะ ไม่ต่อเนื่องมีจำลอง trajectories เคลื่อนไหวทั่วไปมี Lévy เดิน (เรย์โนลด์สและ Frye, 2007), ซึ่งแล้ว สร้างกรอบสร้างโมเดลสำหรับรุ่น IRWตรวจสอบพฤติกรรมการเคลื่อนไหว sixgill ทำงานในอนาคตโดยใช้กรอบงานการ IRW อาจพิสูจน์ให้เป็นวิธีมีประโยชน์การเข้าใจกลไกพฤติกรรมเริ่มต้นที่ควบคุมคุณสมบัติทางสถิติของ sixgill เคลื่อนไหว trajectoriesจำกัดการเคลื่อนไหวมีการสังเกตในพันธุ์ปลา (เช่น McKibben และเนลสัน 1986Gruber et al., 1988 Klimley et al., 1988 Klimley et al.,2001 Sundstrom และ al., 2001 Papastamatiou et al.,2009), และจึง มีความคาดหวังการเคลื่อนที่ของปลาฉลามหลาย ชนิดควรแตกต่างจากการสุ่มเดิน (Nams, 2006) ความเบี่ยงเบนของเราแสดงผลจากCRW ประจำวันสอดคล้องกับความคาดหวังนี้ได้นอกจากนี้การจำกัดบ้านช่วง เคลื่อนย้ายปลาฉลามอาจแตกต่างจาก CRW สำหรับจำนวนของเหตุผลเช่น Heithaus et al. (2002) และ Papastamatiou etal. (2009) แสดงผลลักษณะที่อยู่อาศัยส่วนเบี่ยงเบนจาก CRW เสือ Galeocerdo cavier และครีบดำแหล่ง Carcharhinus melanopterus ตามลำดับ

ผลลัพธ์ (ไทย) 2:

แต่เข้าใจแง่มุมของระบบนิเวศของประชากร
(Hulme, 2005; Chetkiewicz et al, 2006;. Moffitt
et. al, 2009) สำหรับสายพันธุ์ที่อาจจะมีความเสี่ยงที่จะสันนิฐานแรงกดดันของมนุษย์ที่แตกต่างกันเช่นการตกปลาหรือมลพิษการทำความเข้าใจการเคลื่อนไหวเป็นสิ่งจำเป็นสำหรับการทำความเข้าใจ1) ระดับของภัยคุกคามของมนุษย์โดยเฉพาะอย่างยิ่งกิจกรรมโพสท่าและ2) การรับรู้ความสามารถมีศักยภาพของการเสนอการแก้ปัญหา ในบทความนี้เราจะตรวจสอบการเคลื่อนไหวของระบบนิเวศของยอดที่มีความเสี่ยงล่าและ melding ติดตามชีวิตประจำวันในระดับที่ใช้งานกับฤดูกาลแบบเรื่อย ๆการตรวจสอบเราก็สามารถที่จะพัฒนา empiricallybased รูปแบบของการเคลื่อนไหวฉลาม sixgill ที่เพียงพออธิบายการเคลื่อนไหวของปลาฉลามมากกว่าเป็นระยะเวลา 150 วัน เราทำงานเปิดเผยว่าการเปลี่ยนแปลงในพฤติกรรม Diel ผลในการเคลื่อนไหวที่จำกัด ในชีวิตประจำวัน นอกจากนี้การคาดการณ์ของพฤติกรรมการเคลื่อนไหวในชีวิตประจำวันในช่วงหลายเดือนที่ล้มเหลวในการทำนายรูปแบบตามฤดูกาล นี้ล้มเหลวอย่างเห็นได้ชัดเกิดขึ้นจากการเปลี่ยนแปลงตามฤดูกาลในการจัดจำหน่าย(เห็นแอนดรู et al., 2010) และการปรากฏตัวของหายากย้ายมานานแล้วว่ามีไม่มีใครสังเกตในชีวิตประจำวันของเราติดตาม. วิธีการของเราในการสร้างรูปแบบหลายขนาดของเราตามปรัชญาการดำเนินการโดย Turchin (1998) ของเราเป้าหมายของเราคือการทำนายรูปแบบเชิงพื้นที่ของบุคคลที่อยู่บนพื้นฐานของความรู้ในรูปแบบของการเคลื่อนไหว เราเริ่มด้วยการเดินที่เรียบง่ายมีความสัมพันธ์แบบสุ่มเป็นวิธีการเชื่อมต่อกระบวนการการเคลื่อนไหวในชีวิตประจำวันในระดับรูปแบบ. เมื่อเราเผชิญหน้ากับรุ่นที่มีข้อมูลนี้เราเห็นว่ารูปแบบการล้มเหลวและจากนั้นเราใช้การสังเกตเชิงประจักษ์ของเราในการปรับเปลี่ยนพารามิเตอร์แบบและประมาณการสำหรับรูปแบบการบัญชี (สุ่มเดินลำเอียง) ประการที่สองเราพยายามที่จะใช้รูปแบบในชีวิตประจำวันในระดับที่จะคาดการณ์สิ่งที่รูปแบบนวนิยายเคลื่อนไหวกว่า150 วัน อีกครั้งรูปแบบล้มเหลวในการอธิบายการสังเกตของเราและเราได้รับการออกแบบทางเลือกที่จัดตั้งขึ้นอย่างเต็มที่มากขึ้นข้อมูลที่สร้างขึ้นจากการตรวจสอบเรื่อยๆ วิธีการที่เราจ้างมาเป็นวงกลมและไม่ก่อให้เข้มงวดการทดสอบของรูปแบบ แต่กระบวนการของการพัฒนารูปแบบและการทดสอบเชิงประจักษ์คือการเดินทางจากการทดสอบสมมติฐานแบบดั้งเดิม(อันเดอร์วู้ด, 1997) อันที่จริงรูปแบบของตัวเองได้รับการพิจารณาสมมติฐานที่ควรจะอยู่ภายใต้การตรวจสอบอย่างเข้มงวด ที่สำคัญกลไกใกล้เคียงพื้นฐานพฤติกรรมการเคลื่อนไหวจับโดยรูปแบบของเราเป็นที่รู้จักและเป็นสมมติฐานในความต้องการของการตรวจสอบ. นอกจากนี้การสำรวจของตัวชี้นำฉลามตอบสนองต่อการตอบสนองของพวกเขาเพื่อเหยื่อการตั้งค่าที่อยู่อาศัยของพวกเขาและปฏิกิริยาของพวกเขาที่จะconspecifics จะ แน่นอนปรับปรุงตีแผ่พฤติกรรมของรูปแบบ ยกตัวอย่างเช่นการตรวจสอบอย่างใกล้ชิดของชีวิตประจำวันไปของเรารูปแบบการแสดงให้เห็นว่าการเคลื่อนไหวที่สังเกตได้ในช่วงต้นในวันที่มีแนวโน้มที่จะได้รับการประเมินโดยแบบจำลอง(แม้ว่าผลจะอยู่ในช่วงความเชื่อมั่นสำหรับรุ่น). ดังนั้นจึงมีข้อเสนอแนะของทิศทางบางส่วนในการเคลื่อนไหวที่มีคุณค่าของการตรวจสอบต่อไป. มาตรฐานแบบสุ่มเดินมีความเหมาะสมสำหรับการทำซ้ำวิถีการเคลื่อนไหวที่มีนัยเพียงการเชื่อมโยงระหว่างวิถีและพฤติกรรมพื้นฐาน(Bartumeus 2009) Bartumeus (2009) อธิบายถึงกรอบการทำงานสำหรับการขยายเดินสุ่มมาตรฐานเพื่อลดช่องว่างระหว่างรายละเอียดทางสถิติของเส้นทางการเคลื่อนไหวและพฤติกรรมนิเวศวิทยา ที่รวมผสมเดินสุ่ม(หลายสุ่มเดินMRW, รุ่น) มีขั้นตอนในทิศทางนี้ ในMRWS โหมดพฤติกรรมที่แตกต่างกันย่อมมีพารามิเตอร์สุ่มเดินที่แตกต่างกัน ยกตัวอย่างเช่นโมราเลสและเพื่อนร่วมงาน (2004) การพัฒนาแบบสุ่มหลายรูปแบบสำหรับการเดินเท้ากวางที่รวมสองโหมดพฤติกรรมตั้งค่ายและสอบสวน วิธีการของเราสำหรับ sixgill ฉลามเป็นรูปแบบของ MRW ในการที่พารามิเตอร์แบบ (เช่นความน่าจะเป็นของมุมเลี้ยว) แตกต่างกันระหว่างวันและคืนรัฐพฤติกรรม ดังนั้นในขณะที่รุ่น MRW จะถูกใช้โดยทั่วไปในสถานการณ์ที่สภาพแวดล้อมเชิงพื้นที่(เช่นที่อยู่อาศัย) ปรับเปลี่ยนพฤติกรรมการเคลื่อนไหวของเราลูกจ้างวิธีการในกรณีที่สภาพแวดล้อมเปลี่ยนแปลงชั่วคราว. เช่นเดียวกับรูปแบบการเดินสุ่มมาตรฐาน แต่ MRW ล้มเหลวในการส่องสว่างพื้นฐาน พฤติกรรมความรับผิดชอบสำหรับเส้นทางการเคลื่อนไหวสังเกต แต่ MRW เพียงบัญชีสำหรับการปรากฏตัวของรูปแบบพฤติกรรมที่แตกต่างกัน. ดังนั้น Bartumeus (2009) ระบุว่าสำหรับความต้องการของสุ่มเดินต่อเนื่อง(IRW) รุ่น เครเมอและกิ้น (2001) กำหนดการเคลื่อนไหวต่อเนื่องในขณะที่การเคลื่อนไหวที่เกิดขึ้นเมื่อแรงสัตว์ผลิตเพื่อสร้างการเคลื่อนไหวถูกนำไปใช้discontinuously ผลในการหยุดในการเคลื่อนไหวสำหรับสายพันธุ์ในโลกหรือความเร็วตัวแปรในสัตว์เคลื่อนที่ผ่านอากาศหรือน้ำ. พฤติกรรมต่อเนื่องดังกล่าวเป็นที่แพร่หลายและ เกิดขึ้นในความหลากหลายของสายพันธุ์และในความหลากหลายของสถานการณ์(เครเมอและกิ้น 2001 และการอ้างอิงนั้น). ดังนั้นสัตว์บางชนิดอาจ discretize พฤติกรรมการเคลื่อนไหวของพวกเขาในการตอบสนองความหมายสิ่งแวดล้อมและแนวทางที่ใช้สำหรับสถิติการอธิบายพฤติกรรมดังกล่าวแตกต่างจากมาตรฐานวิธีการสุ่มเดิน(Bartumeus 2009; นาดส์ 2010) โดยเฉพาะอย่างยิ่งเนื่องวิถีการเคลื่อนไหวเป็นรูปแบบทั่วไปที่มีการเดินLévy (นาดส์และฟราย, 2007) ซึ่งจากนั้นรูปแบบกรอบการสร้างแบบจำลองสำหรับรุ่นIRW. การทำงานในอนาคตการตรวจสอบพฤติกรรมการเคลื่อนไหว sixgill ใช้กรอบ IRW อาจพิสูจน์ให้เป็นวิธีที่มีประโยชน์ที่จะเริ่มต้นเข้าใจกลไกพฤติกรรมที่ควบคุมคุณลักษณะทางสถิติของไบร์ทเคลื่อนไหวsixgill. การเคลื่อนไหวที่ถูก จำกัด ได้รับการปฏิบัติในจำนวนของสายพันธุ์ปลาฉลาม(เช่น McKibben และเนลสัน, 1986; Gruber et al, 1988;. Klimley et al, 1988;. Klimley et ล. 2001; Sundstrom et al, 2001;.. Papastamatiou, et al, 2009) และทำให้มีการคาดการณ์ว่าการเคลื่อนไหวของสายพันธุ์ปลาฉลามหลายควรเบี่ยงเบนไปจากสุ่มเดินเท้า(Nams 2006) ผลของเราแสดงให้เห็นถึงการเบี่ยงเบนจากCRW ในชีวิตประจำวันมีความสอดคล้องกับความคาดหวังนี้. นอกจากนี้ในช่วงที่บ้านถูก จำกัด การเคลื่อนไหวของปลาฉลามอาจเบี่ยงเบนไปจากCRW สำหรับจำนวนของเหตุผล. ยกตัวอย่างเช่น Heithaus et al, (2002) และ Papastamatiou et al, (2009) แสดงให้เห็นว่าที่อยู่อาศัยส่งผลให้เกิดการเบี่ยงเบนจากCRW สำหรับเสือ Galeocerdo Cavier และ blacktip แนว Carcharhinus melanopterus ฉลามตามลำดับ

ผลลัพธ์ (ไทย) 3:

แต่ไม่ค่อยเข้าใจลักษณะของนิเวศวิทยาของประชากร
( ฮูล์ม , 2005 ; chetkiewicz et al . , 2006 ;
มอฟฟิต et al . , 2009 ) ชนิดที่อาจจะเสี่ยงที่จะเปลี่ยน
แรงกดดันมนุษย์ต่างกัน เช่น ตกปลาหรือ
มลพิษเคลื่อนไหวความเข้าใจเป็นสิ่งจำเป็นสำหรับความเข้าใจ
1 ) ระดับของการคุกคาม โดยเฉพาะมนุษย์
กิจกรรมอากัปกิริยา และ 2 ) ประสิทธิภาพ ศักยภาพของการนำเสนอ
โซลูชั่นในบทความนี้เราได้ศึกษาการเคลื่อนไหวของ Apex Predator
นิเวศวิทยาที่มีและโดย melding
ทุกวัน ขนาดใช้งานตามฤดูกาล การติดตามแบบเรื่อยๆ
, เราสามารถที่จะพัฒนา empiricallybased
รูปแบบการเคลื่อนไหวที่เพียงพอ sixgill ฉลามฉลาม
อธิบายการเคลื่อนไหวเกินระยะเวลา 150 วัน เปิดเผยว่า งานของเรา

เปลี่ยนพฤติกรรมในการก่อให้เกิดดิลrestricted movement กับ basis daily . นอกจากนี้ ทำไม
พฤติกรรมเคลื่อนไหวทุกวัน ผ่านไปหลายเดือน ล้มเหลวในการ ทำนายแบบ
รูปแบบตามฤดูกาล ความล้มเหลวนี้เกิดขึ้นจากการเปลี่ยนแปลงตามฤดูกาล
อย่างชัดเจนในการกระจาย
( เห็นแอนดรู et al . , 2010 ) และการมี
ของหายาก นาน ย้ายที่ unobserved ในแต่ละวันของเราติดตาม
.
วิธีการของเราสำหรับการสร้างรูปแบบหลายมาตราส่วนตาม
ปรัชญาการยอมรับ turchin ( 1998 ) เป้าหมายของเราคือเพื่อทำนายรูปแบบเชิงพื้นที่

ตามความรู้ของบุคคล รูปแบบของการเคลื่อนไหว เราเริ่มมีความสัมพันธ์กับง่าย


เดินสุ่มเป็นวิธีการเชื่อมต่อการเคลื่อนไหวระดับทุกวัน กระบวนการ รูปแบบ
เมื่อเราเผชิญหน้ากับรูปแบบนี้มีข้อมูล เราเห็นว่า
แบบล้มเหลว เราก็ใช้ของเรา
การสังเกตเชิงประจักษ์การปรับเปลี่ยนรูปแบบและพารามิเตอร์ประมาณ
แก้ไขแบบ ( biased เดินสุ่ม ) ประการที่สองเรา
พยายามที่จะใช้โมเดลสเกลทุกวัน ทำนายอะไร
นิยายเคลื่อนไหวรูปแบบมากกว่า 150 วัน อีกครั้ง
รูปแบบล้มเหลวอย่างเต็มที่อธิบายการสังเกตของเราและ
เราออกแบบเป็นทางเลือกที่มากขึ้นอย่างเต็มที่รวม
ข้อมูลที่เกิดจากการติดตามเรื่อยๆ วิธีการ
เราใช้เป็นแบบวงกลม และไม่ได้เป็นการทดสอบที่เข้มงวด
ของแบบจำลอง แต่กระบวนการของการพัฒนาแบบจำลองและการทดสอบเชิงประจักษ์จะออกเดินทางจาก
สมมติฐานดั้งเดิม ( Underwood , 1997 ) แน่นอน
รูปแบบตัวเองสามารถพิจารณาสมมติฐาน
ที่ควรจะอยู่ภายใต้การตรวจสอบอย่างเข้มงวด ที่สำคัญ

ใกล้กลไกพื้นฐานพฤติกรรมการเคลื่อนที่โดยจับโมเดลของเราจะไม่รู้จัก และยังถือเป็น
สมมติฐานที่ต้องการสอบ
ต่อไปสำรวจคิวฉลามตอบสนอง
, การตอบสนองของเหยื่อ ลักษณะที่อยู่อาศัยของพวกเขาและปฏิกิริยาของพวกเขา conspecifics
แน่นอน

ปรับปรุง underpinnings พฤติกรรมของแบบจำลอง , ราชบุรี close กระทรวงมหาดไทยของเก็บกวาด มาถึง ourแบบจำลองพบว่า พบการเคลื่อนไหวในช่วงต้นวัน
มีแนวโน้มที่จะประเมินโดยแบบจำลอง ( แม้ว่า
ผลลัพธ์ภายในช่วงความเชื่อมั่นสำหรับรุ่น ) .
จึงมีคำแนะนำบางทิศทางในการเคลื่อนไหวที่น่า

เดินสุ่มตรวจเพิ่มเติม รุ่นมาตรฐานที่เหมาะสมสำหรับการผลิต
วิถีการเคลื่อนไหว มีเพียงความนัย
การเชื่อมโยงระหว่างวิถีและต้นแบบพฤติกรรม
( bartumeus , 2009 ) bartumeus ( 2009 ) อธิบาย
กรอบการสุ่มเดินมาตรฐาน
สะพานเชื่อมช่องว่างระหว่างการบรรยายสถิติ
เส้นทางการเคลื่อนไหวและนิเวศวิทยาเชิงพฤติกรรม models that
ออกงานเช้านี้ของ walks random ( multiple random
วงการ Woraponboonkerd ข้อบกพร่อง ) are a ตรงนี้ in direction ) ใน mrws
,โหมดพฤติกรรมที่แตกต่างกันมีแบบจำลองพารามิเตอร์กับ
สุ่มที่แตกต่างกัน ตัวอย่างเช่น โมราเลส
และเพื่อนร่วมงาน ( 2004 ) ที่พัฒนารูปแบบการเดิน
สุ่มหลายกวางที่รวมสองพฤติกรรมและโหมด
ตั้งค่ายสำรวจ . วิธีการของเราเพื่อ sixgill
ฉลามเป็นรูปแบบของม.ร.ว. ในพารามิเตอร์ ( เช่น
ความน่าจะเป็นของเปิดมุม ) แตกต่างกันระหว่างวันและสภาพพฤติกรรม
ตอนกลางคืน ดังนั้นในขณะที่รุ่น mrw เป็น
โดยปกติจะใช้ในสถานการณ์ที่
สิ่งแวดล้อมเชิงพื้นที่ ( เช่น สิ่งแวดล้อม ) ปรับเปลี่ยนพฤติกรรมการเคลื่อนไหวเรา
ใช้วิธีการในกรณีที่สภาพแวดล้อมเปลี่ยนแปลงชั่วคราว
.
ชอบแบบเดินสุ่มมาตรฐาน อย่างไรก็ตาม ม.ร.ว.
ล้มเหลวที่จะส่องสว่างภายใต้ความรับผิดชอบ
จากเส้นทางเดิน Woraponboonkerd simply
120บัญชีสำหรับการปรากฏตัวของโหมดพฤติกรรมแตกต่างกัน
จากนั้น bartumeus ( 2009 ) ระบุให้ความต้องการของ
เดินสุ่มไม่ต่อเนื่อง ( irw ) รุ่น เครเมอร์และ
กิ้น ( 2001 ) กำหนดเคลื่อนไหวต่อเนื่องเป็น
การเคลื่อนไหวที่เกิดขึ้นเมื่อบังคับสัตว์ผลิต
เพื่อสร้างการเคลื่อนไหวที่ใช้ discontinuously
ส่งผลให้หยุดเคลื่อนไหวชนิด
บกหรือvariable speeds in สำหรับ moving through air or water .
behavior ไซริลอื่น widespread ( occurs กับ
diversity ของ species ( การตอบสนองของเรื่อย
( kramer ( mclaughlin , 2001 ( อะไรวะจนเกิน ) .
ว่าไง , สำหรับ some may discretize their movement behavior
in ความภูมิใจคุณไม่ได้ cues ที่ม , ( the approaches
used เพื่ออธิบายพฤติกรรม
อย่างมีนัยสำคัญทางสถิติแตกต่างจากมาตรฐานการสุ่มเดินแนวทาง
( bartumeus , 2009 ; เรโนลด์ 2010 ) โดยเฉพาะวิถีการเคลื่อนไหวต่อเนื่อง

ปกติแบบ L éวีเดิน ( Reynolds และ ฟราย , 2007 ) ซึ่ง
แล้วฟอร์มแบบกรอบแบบ irw .
อนาคตงานสืบสวนพฤติกรรมการเคลื่อนไหว sixgill ใช้ irw
กรอบอาจพิสูจน์เป็นวิธีที่มีประโยชน์เริ่มที่จะเข้าใจพฤติกรรม กลไกที่ควบคุมลักษณะทางสถิติของ
วิถีการเคลื่อนไหว sixgill .
เคลื่อนไหว จำกัด ได้รับการตรวจสอบในหมายเลข
ชนิดฉลาม ( เช่น แม็คคิบบิน และเนลสัน , 1986 ;
Gruber et al . , 1988 ; คลิมลี et al . , 1988 ; คลิมลี et al . ,
2001 ซันด์สเตริม et al . , 2001 ; papastamatiou et al . ,
2009 ) , และดังนั้นจึงมีความคาดหวังว่า การเคลื่อนไหว
ชนิดของปลาฉลามหลายควรจะเบี่ยงเบนจากการสุ่ม
เดิน ( nams , 2006 ) ผลของเราแสดงการเบี่ยงเบนจาก
CRW ในแต่ละวันมีความสอดคล้องกับความคาดหวังนี้
นอกจากบ้าน จำกัด ช่วงการเคลื่อนไหวของ
ฉลามอาจผิดเพี้ยนจาก CRW สำหรับจำนวนของเหตุผล
ตัวอย่าง heithaus et al . ใช้ ) ( papastamatiou et
al . ( 2009 ) แสดงให้เห็นว่าความต้องการที่อยู่อาศัยการเบี่ยงเบน
from crw for cavier galeocerdo tiger ( blacktip
reef carcharhinus melanopterus งู , respectively .