Analyse van trackinggegevens en sensorplatformen

Het bewegingsgedrag van dieren is al vele jaren een interessant onderwerp. Onderzoekers hebben zich op veel aspecten geconcentreerd, waaronder migratie en verspreiding van dieren, en de biomechanica, fysiologie en energetica van dierbewegingen. Belangrijke modelsoorten voor dit onderzoek zijn verschillende vogelsoorten geweest, omdat voortbeweging in de lucht een van de meest energieverbruikende gedragingen in de natuur is, en vogels de langste migratieafstanden afleggen.

Specifiek gezegd ontwikkelen de onderzoekers ultralichte versnellingsmeters met gegevensverwerkingstechnieken aan boord voor het identificeren van gedrag zoals vliegen, rusten en het verzamelen van eten bij zangvogels in het wild.

Aan de hand van een gedetailleerde analyse van de vluchtdynamiek van deze vrij vliegende dieren, proberen de onderzoekers ook te testen of de gegevens van de versnellingsmeter met een hoge monsternamefrequentie (~100 Hz) kunnen worden gebruikt om verschillende vlieggedragingen te identificeren, zoals plaatselijke vliegbewegingen, jagen, verzamelen en eten, en de prestaties van vogelvluchten in te schatten, zoals de productie van aerodynamische krachten en de energetische kosten van het vliegen.

Tijdens het veldwerkseizoen van 2022 voerden de onderzoekers controle- en kalibratie-experimenten uit op bonte vliegenvangers in grote buitenvolières. Hierbij volgden ze vliegende en jagende vliegenvangers met behulp van stereoscopische videografie en lichtgewicht versnellingsmeters met logfunctie.

Met behulp van deze gecombineerde gegevens ontwikkelden de onderzoekers een nieuw machine learning model voor het classificeren van een reeks gedragingen van vliegende bonte vliegenvangers met behulp van de gegevens van de lichtgewicht versnellingsmeter.

Na analyse van de in 2022 verzamelde data hebben de onderzoekers de resultaten en bevindingen uitgewerkt in een artikel dat is gepubliceerd in het wetenschappelijke tijdschrift Animal Biotelemetry.

Tijdens het veldseizoen in 2023 gebruikten de onderzoekers nieuwe loggers (< 0,6g), ontwikkeld door industriële partner Druid Technology, op wilde bonte vliegenvangers om hun gedragspatronen te volgen met behulp van een versnellingsmeter en lichtsensor aan boord. Andere stationaire sensoren, zoals RFID's en camera's, werden ook gebruikt in de studie om aanvullende gegevens voor onderzoek te leveren.

De onderzoekers hebben begin 2024 een onderzoekspaper (momenteel in review) ingediend bij Journal of Experimental Biology. Hier volgt een korte samenvatting van de paper: De paper onderzoekt de aerodynamische en gedragsaspecten van de vlucht bij bonte vliegenvangers (Ficedula hypoleuca) tijdens hun kuikenopfokperiode. De studie analyseerde vluchtprestaties, activiteitspatronen en seksueel dimorfisme in vleugelbelasting ten opzichte van vluchtkenmerken met behulp van versnellingsmeters en machine learning onder toezicht. De vluchtactiviteit van 26 vogels werd geregistreerd met behulp van miniatuurversnellingsmeters en het vlieggedrag werd geannoteerd met behulp van machinaal leren (XGBoost) op basis van volièregegevens. De vluchtinspanning en -prestaties werden gemeten met behulp van dynamische lichaamsversnelling (VeDBA). De bevindingen laten geen significante verschillen zien in vluchtactiviteit en prestaties tussen de geslachten, ondanks het feit dat mannetjes een lagere vleugelbelasting hebben. Het onderzoek wijst op een gelijkwaardige ouderlijke investering met een verminderde inspanning van de mannetjes, mogelijk door een betere vluchtefficiëntie gerelateerd aan de morfologie. De preprint van het artikel is te vinden in de rechterkolom.

De onderzoekers zullen in 2024 aan nog twee wetenschappelijke artikelen werken.