A Bayesian Markov Model with Pólya-Gamma Sampling for Estimating Individual Behavior Transition Probabilities from Accelerometer Classifications
A Bayesian Markov Model with Pólya-Gamma Sampling for Estimating Individual Behavior Transition Probabilities from Accelerometer Classifications
复制标题
采用 Pólya-Gamma 采样的贝叶斯马尔可夫模型，用于根据加速度计分类估计个体行为转移概率
DOI：
10.1007/s13253-020-00399-y
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Weegman, Mitch D.
中科院分区：
文献类型：
--
作者：
Schafer, Toryn L.;Wikle, Christopher K.;VonBank, Jay A.;Ballard, Bart M.;Weegman, Mitch D.
在野生动物跟踪中使用加速度计为了解动物行为和决策提供了精细的数据源。目前的运动生态学方法集中在行为作为运动机制的驱动力。我们的马尔可夫模型是一种灵活而有效的方法，用于推断对行为的影响，考虑当前和过去的行为之间的依赖关系。我们将此模型应用于北美中部大陆春季迁徙期间六只大白额鹅（Anser albifrons frontalis）的行为数据，并考虑了可能的行为驱动因素，包括栖息地，天气和时间效应。我们使用一阶贝叶斯马尔可夫模型模拟飞行，进食，静止和行走行为状态之间的转换。我们引入了Pólya-Gamma潜变量，用于后验分布协变量系数的自动采样，并计算了后验样本的优势比。我们的模型提供了一个统一的框架，包括加速度和全球定位系统数据。我们发现栖息地类型，昼夜行为和行为的变化，由于天气之间的行为转换率显着差异。我们的模型提供了直接的推断行为的时间分配在使用的栖息地，这是不适合在活动预算或资源选择框架。
The use of accelerometers in wildlife tracking provides a fine-scale data source for understanding animal behavior and decision making. Current methods in movement ecology focus on behavior as a driver of movement mechanisms. Our Markov model is a flexible and efficient method for inference related to effects on behavior that considers dependence between current and past behaviors. We applied this model to behavior data from six greater white-fronted geese (Anser albifrons frontalis) during spring migration in mid-continent North America and considered likely drivers of behavior, including habitat, weather and time of day effects. We modeled the transitions between flying, feeding, stationary and walking behavior states using a first-order Bayesian Markov model. We introduced Pólya-Gamma latent variables for automatic sampling of the covariate coefficients from the posterior distribution, and we calculated the odds ratios from the posterior samples. Our model provides a unifying framework for including both acceleration and Global Positioning System data. We found significant differences in behavioral transition rates among habitat types, diurnal behavior and behavioral changes due to weather. Our model provides straightforward inference of behavioral time allocation across used habitats, which is not amenable in activity budget or resource selection frameworks.Supplementary materials accompanying this paper appear online.
登录
查看更多内容
影响因子：
2.4
作者：
Broekhuis, Femke;Gruenewaelder, Steffen;Macdonald, David W.
通讯作者：
Macdonald, David W.
DOI：
--
发表时间：
2015-06
期刊：
--
影响因子：
--
作者：
Scott W. Linderman;Matthew J. Johnson;Ryan P. Adams
通讯作者：
Scott W. Linderman;Matthew J. Johnson;Ryan P. Adams
DOI：
10.1016/b978-0-12-395693-4.50010-4
发表时间：
1927-03
期刊：
Japanese Marine Life
影响因子：
--
作者：
Yasuhisa Henmi;Seiji Arakaki
通讯作者：
Yasuhisa Henmi;Seiji Arakaki
使用多重插补将遥测误差纳入动物运动的隐马尔可夫模型
DOI：
--
发表时间：
2017
期刊：
影响因子：
--
作者：
B. McClintock
通讯作者：
B. McClintock
影响因子：
4.1
作者：
Chakravarty, Pritish;Maalberg, Maiki;Aminian, Kamiar
通讯作者：
Aminian, Kamiar