Proposal for Semester Project

Patterns & Trends in Environmental Data / Computational Movement Analysis Geo 880

Semester FS25
Data: Leadership in homing pigeon flocks (Columba livia) - data from (Santos et al. 2014)
Title: Flugverhalten von Brieftauben
Student 1: Sven Krieg
Student 2: Dominik Erni

Abstract

In dieser Projektarbeit untersuchen wir das Flugverhalten von Brieftauben auf Grundlage hochaufgelöster GPS-Daten. Mithilfe von Sinuosität, Geschwindigkeitsanalysen und Ähnlichkeitsmassen vergleichen wir die unterschiedlichen Flugphasen und Flugrouten. Zusätzlich analysieren wir das «Lead and Follow»-Muster innerhalb des Taubenschwarms. Ziel ist es, wiederkehrende Bewegungsmuster durch die Anwendung verschiedener Analysekonzepte zu identifizieren.

Research Questions

Das Ziel der Projektarbeit ist die Untersuchung der folgenden Forschungsfragen:

  • Wie lassen sich Flugbahnen von Brieftauben anhand von Sinuosität und Ähnlichkeitsmassen konzeptualisieren und vergleichen?

  • Gibt es wiederkehrende Muster in der Fluggeschwindigkeit von Brieftauben über unterschiedliche Flugphasen und wie können diese quantifiziert werden?

  • Kann in den Bewegungsmustern von Brieftauben eine «Lead and Follow»-Dynamik identifiziert werden?

Results / Products

Wir erwarten, dass die Brieftauben in der Nähe der Freilassungsstelle und des Taubenschlags eine kurvenreiche Flugbahn mit hoher Sinuosität zeigen (Laube et al. 2007) und nach einer Anfangsphase geradliniger und mit höherer Geschwindigkeit fliegen (Schiffner and Wiltschko 2009).

Trotz der leicht unterschiedlichen Freilassungsstellen und variierenden Flugrouten wird erwartet, dass die aufgenommenen Flüge aufgrund ähnlicher Flugmuster hohe Ähnlichkeitsmasse aufweisen.

Zudem erwarten wir, dass es innerhalb des Taubenschwarms Individuen gibt, welche deutlich häufiger die Führung des Schwarms übernehmen (Nagy et al. 2010).

Data

Wir verwenden einen Datensatz mit Bewegungsdaten zum Flugverhalten von Brieftauben aus dem Paper von (Santos et al. 2014). Der Datensatz enthält GPS-Daten von fünf Heimflügen, die jeweils mit denselben 9-10 Individuen über einen Zeitraum von 12 Tagen durchgeführt wurden. Die Daten sind über die gesamte Flugzeit von durchschnittlich 15 bis 20 Minuten hochaufgelöst mit einer Lokalisierung jede Viertelsekunde pro Individuum.

Flugrouten (pink) der Brieftauben aus dem Datensatz (Santos et al. 2014)

Flugrouten (pink) der Brieftauben aus dem Datensatz (Santos et al. 2014)

Die Fragestellungen beantworten wir mit den folgenden Attributen aus dem beschriebenen Datensatz: Zeitstempel, Koordinaten, Flugnummer und Individuum-Nummer. Der Datensatz enthält zusätzlich für jede Messung Angaben zur Flughöhe über dem Referenzellipsoid und der Fluggeschwindigkeit. Die angegebene Fluggeschwindigkeit wird zur maximalen Kontrolle und Transparenz (Laube 2014) nicht verwendet und selbst aus den Daten berechnet.

Für die Auswertung werden keine zusätzlichen Daten benötigt.

Der Datensatz von Santos et al. 2014 ist öffentlich über die Movebank Plattform (Kays et al. 2022) erhältlich.

Analytical concepts

In unserer Analyse verwenden wir die Konzepte Sinuosität, Ähnlichkeit, Geschwindigkeit und «Lead and Follow», um Flugtrajektorien zu untersuchen.

Sinuosität wird berechnet, indem die Gesamtlänge der ermittelten Trajektorie durch die Luftliniendistanz zwischen der Freilassungsstelle und dem Taubenschlag geteilt wird. Die Sinuosität wird für verschiedene Flugphasen bestimmt und miteinander verglichen.

Ähnlichkeit wird mithilfe verschiedener Ähnlichkeitsmasse (DTW, EditDist, Frechet und LCSS) auf Ebene der verschiedenen Flüge berechnet und nicht auf Ebene der Individuen.

Geschwindigkeit wird ermittelt, indem die zurückgelegte Distanz durch die benötigte Zeit dividiert wird. Zur Reduktion der Schwankungen wird ein Sampling-Window angewendet. Die berechneten Geschwindigkeiten werden über verschiedene Flugphasen hinweg verglichen.

«Lead and Follow» wird an einem Teildatensatz exemplarisch aufgezeigt. Wir definieren für unsere Untersuchung «Lead and Follow» als zeitlich versetzte Richtungsänderungen, wobei ein führendes Individuum die Bewegungsrichtung vorgibt und ein folgendes Individuum sie übernimmt (Nagy et al. 2010).

Im euklidischen Raum berechnen wir die Metriken Sinuosität und trajektorienbasierte Ähnlichkeit, um die Bewegungsmuster zu vergleichen. Ergänzend nutzen wir ein raum-zeitliches Modell, um Geschwindigkeiten und «Lead an Follow»-Muster zu analysieren.

R concepts

Die Ähnlichkeit der Trajektorien berechnen wir mit dem Paket «SimilarityMeasures» und vergleichen die Ergebnisse für die verschiedenen Ähnlichkeitsmasse «DTW», «EditDist», «Frechet» und «LCSS». Berechnung von Distanzen, die wir sowohl für die Sinuosität als auch für die Geschwindigkeit benötigen, führen wir mit dem Paket «sf» durch.

Um «Lead and Follow» berechnen zu können, müssen aus Richtungsänderungen mit dem Befehl «atan2()» Bewegungswinkel berechnet werden. Mit dem Erstellen einer Funktion und dem Befehl «cor» sollen paarweise Richtungs-Korrelationen mit Zeitverzögerung berechnet werden.

Visualisierungen zu unseren Analysen erstellen wir mit den Paketen «ggplot2» und «tmap».

Risk analysis

Die zu untersuchenden Daten liegen uns in für die Analyse geeigneter Form vor. Für viele der Analysekonzepte können wir auf das Vorgehen in den Übungen und Anleitungen des Kurses «Patterns and Trends in Environmental Data» zurückgreifen.

Bei der Untersuchung der «Lead and Follow»-Dynamik steht uns hingegen kein direktes Anleitungsmaterial aus dem Kurs zur Verfügung. Da es sich um ein komplexes Muster handelt, erfordert die Auswertung einen aufwändigeren analytischen Ansatz. Sollte unser methodischer Zugang zur Identifikation dieses Musters nicht zu den gewünschten Ergebnissen führen, planen wir als Alternative eine visuelle Darstellung des Musters anhand eines geeigneten Ausschnitts der Daten.

Da uns für die Auswertungen nur begrenzt Zeit zur Verfügung steht, möchten wir vermeiden, zu viel Aufwand in die Analyse der «Lead and Follow»-Dynamik zu investieren. Deshalb werden wir in einem ersten Schritt die anderen Muster untersuchen und die Analyse der «Lead and Follow»-Dynamik nachrangig behandeln.

Questions

  1. Wie kann die Sinuosität für die verschiedenen Flugphasen berechnet werden? Kann die Trajektorie auf die direkte Luftlinie zwischen Start und Ziel projiziert werden oder muss die Luftlinie für die verschiedenen Abschnitte einzeln erstellt werden (also keine direkte Luftlinie von Start bis Ziel)?
  2. Um das Muster «Lead and Follow» gemäss beschriebenen Vorgehen zu untersuchen, ist ein anspruchsvoller Ansatz notwendig. Gibt es für die Berechnung dieses Musters bestehende R Codes oder präzise beschriebene Methodenteile, an denen wir uns orientieren können? Ist das grob skizzierte Vorgehen über die Untersuchung der Korrelation von zeitverzögerten Bewegungswinkeln zielführend? Gibt es – auch hinsichtlich eines Plan B - eine einfachere Methode, mit welcher wir das Muster in R Studio identifizieren können?

References

Kays, Roland, Sarah C. Davidson, Matthias Berger, Gil Bohrer, Wolfgang Fiedler, Andrea Flack, Julian Hirt, et al. 2022. “The Movebank System for Studying Global Animal Movement and Demography.” Methods in Ecology and Evolution 13 (2): 419–31. https://doi.org/10.1111/2041-210X.13767.
Laube, Patrick. 2014. Computational Movement Analysis. SpringerBriefs in Computer Science. Cham: Springer International Publishing. https://doi.org/10.1007/978-3-319-10268-9.
Laube, Patrick, Todd Dennis, Pip Forer, and Mike Walker. 2007. “Movement Beyond the Snapshot Dynamic Analysis of Geospatial Lifelines.” Computers, Environment and Urban Systems 31 (5): 481–501. https://doi.org/10.1016/j.compenvurbsys.2007.08.002.
Nagy, Máté, Zsuzsa Ákos, Dora Biro, and Tamás Vicsek. 2010. “Hierarchical Group Dynamics in Pigeon Flocks.” Nature 464 (7290): 890–93. https://doi.org/10.1038/nature08891.
Santos, Carlos D., Stefanie Neupert, Hans-Peter Lipp, Martin Wikelski, and Dina K. N. Dechmann. 2014. “Temporal and Contextual Consistency of Leadership in Homing Pigeon Flocks.” Edited by Gonzalo G. De Polavieja. PLoS ONE 9 (7): e102771. https://doi.org/10.1371/journal.pone.0102771.
Schiffner, Ingo, and Roswitha Wiltschko. 2009. “Point of Decision: When Do Pigeons Decide to Head Home?” Naturwissenschaften 96 (2): 251–58. https://doi.org/10.1007/s00114-008-0476-7.