[论文解读] Classification of anomalous diffusion in animal movement data using power spectral analysis

Ohad Vilk, Erez Aghion+4 more|arXiv (Cornell University)|Apr 4, 2022

Animal Behavior and Reproduction参考文献 85被引用 35

一句话总结

本研究提出一种功率谱密度（PSD）分析框架，用于分类动物运动数据中的异常扩散行为，基于游隼和白鹳的高分辨率轨迹数据。研究在觅食的游隼中识别出1/f噪声，并通过非平稳PSD标度揭示衰老效应，从而实现基于与分数布朗运动和连续时间随机游走等理论模型比较的行为模式分类。

ABSTRACT

The field of movement ecology has seen a rapid increase in high-resolution data in recent years, leading to the development of numerous statistical and numerical methods to analyse relocation trajectories. Data are often collected at the level of the individual and for long periods that may encompass a range of behaviours. Here, we use the power spectral density (PSD) to characterise the random movement patterns of a black-winged kite (Elanus caeruleus) and a white stork (Ciconia ciconia). The tracks are first segmented and clustered into different behaviours (movement modes), and for each mode we measure the PSD and the ageing properties of the process. For the foraging kite we find $1/f$ noise, previously reported in ecological systems mainly in the context of population dynamics, but not for movement data. We further suggest plausible models for each of the behavioural modes by comparing both the measured PSD exponents and the distribution of the single-trajectory PSD to known theoretical results and simulations.

研究动机与目标

• 利用功率谱密度（PSD）分析对动物轨迹中的不同运动行为进行分类。
• 研究动物运动数据PSD中的衰老效应，特别是非平稳过程中的影响。
• 将经验PSD标度指数和单条轨迹PSD分布与异常扩散的理论模型联系起来。
• 通过谱观测量和时间平均量区分运动模式中的亚扩散和超扩散动力学。
• 提供一个基于物理模型（包括分数布朗运动和从属连续时间随机游走）解释运动数据的框架。

提出的方法

• 对黑翅鸢（0.25 Hz）的高分辨率重定位数据和白鹳（>8年）的长期轨迹应用经验PSD分析。
• 使用数据驱动方法对轨迹进行分段和聚类，识别出不同的行为模式。
• 采用非平稳衰老功率谱 ⟨S(f, tm)⟩∝t−zmf−β 来表征随时间变化的谱标度，其中β和z为关键指数。
• 将单条轨迹PSD分布与分数布朗运动（FBM）、布朗运动（BM）和从属 Lévy 飞行等模型的理论预测进行比较。
• 结合系综平均和时间平均的均方位移（MSD）与PSD一起使用，以评估遍历性与非遍历性。
• 利用近期理论工作的模拟结果和解析结果，验证观测到的PSD指数，并推断潜在的随机过程。

实验结果

研究问题

• RQ1 功率谱密度（PSD）分析能否检测并分类动物轨迹中的不同运动模式？
• RQ2 衰老在动物运动PSD中起什么作用？它如何影响异常扩散的解释？
• RQ3 经验PSD指数和单条轨迹PSD分布与FBM和CTRW等理论模型相比如何？
• RQ4 观测到的PSD标度指数（β）和衰老指数（z）在多大程度上表明亚扩散或超扩散动力学？
• RQ5 PSD分析能否在动物运动数据中区分遍历与非遍历过程？

主要发现

• 觅食状态的黑翅鸢在其运动中表现出1/f噪声（β ≈ 2），这是此前仅在种群动态中观察到的特征，未在运动生态学中发现过。
• 功率谱密度表现出显著的衰老效应，⟨S(f, tm)⟩∝t−zmf−β，证实了非平稳性及随时间变化的谱标度。
• 游隼觅食模式的PSD指数β = 2与分数布朗运动（FBM）一致，表明其运动中存在长程相关性。
• 单条轨迹PSD分析揭示了各条轨迹间稳定的谱特征，支持PSD作为运动模式鲁棒分类器的使用。
• 研究识别出不同行为模式下PSD标度和衰老行为的显著差异，实现了基于模型的运动动力学分类。
• 该框架成功将经验PSD数据与理论模型关联起来，表明PSD分析可超越传统基于MSD的方法，对异常扩散进行分类。