Identificación de intentos de captura de presa usando datos de acelerometría en los lobos marinos finos sudamericanos

Abstract

Los lobos marinos finos, Arctocephalus Australis, en el Perú, aprovechan de un ambiente con alta productividad originado en el Sistema de la Corriente de Humboltd. Entender el compor­tamiento de forrajeo de estos mamíferos marinos permite monitorear las condiciones ambientales, ya que los animales elaboran sus estrategias en base a su adaptación al medio. Sin embargo, dado que esto se desarrolla debajo del mar no se puede analizar directamente. Es así que, con ayuda de grabadores electrónicos colocados en la cabeza y espalda de los animales, se obtienen registros de medidas de aceleración en tres ejes y datos de buceos. Se identifican intentos de captura de presa en las señales de aceleración mediante un análisis espectral basado en la transformada wavelet continua. Posteriormente, se modela el éxito del buceo (al menos un intento de captura de presa) en base a los perfiles de buceo. El modelo logístico obtenido muestra que valores mayores, principalmente, del ratio de descenso y ascenso sugieren un aumento importante en la creencia del éxito del buceo. Adicionalmente, el promedio de energía estimada mediante el indicador de aceleración dinámica global del cuerpo (ODBA) difiere significativamente entre los buceos con posibles intentos de captura de presa y aquellos que no los presentan. Este estudio muestra que es posible identificar el probable éxito de forrajeo en base al perfil del buceo. Palabras clave: Captura de presa, Aceleración, Wavelets, Regresión Logística, ODBA, Lobo Ma­rino Fino.

Fur seals, Arctocephalus Australis, in Peru, benefit from an environment with high produc­tivity originated in the Humboldt Current System. Understanding the foraging behaviour of these marine mammals allow us to monitor environmental conditions because the animals develop their strategies based on their adaptation to the environment. However, since this takes place under the sea, it can not be analyzed directly. Thus, using data loggers placed on the head and back of the animal, acceleration measures in three axes and dives data can be obtained. Prey capture attempts can be identified in the acceleration signals by spectral analysis based on the continuous wavelet transform. Subsequently, the dive success (at least one prey capture attempt) is modelled based on dive profiles. The logistic model obtained shows that higher values, mainly, of the descent and ascent rate suggest a significant increase in the belief of dive success. Additionally, the estimated average energy by the overall dynamic body acceleration index (ODBA) differs significantly between the dives with possible prey capture attempts and those that do not have. This study shows that it is possible to identify the likely foraging success based on the dive profile. Keywords: Prey capture, Acceleration, Wavelets, Logistic Regression, ODBA, Fur Seal.