Conservation of migratory species exhibiting wide-ranging and multidimensional behaviors is challenged by management efforts that only utilize horizontal movements or produce static spatial-temporal products. For the deep-diving, critically endangered eastern Pacific leatherback turtle, tools that predict where turtles have high risks of fisheries interactions are urgently needed to prevent further population decline. We incorporated horizontal-vertical movement model results with spatial-temporal kernel density estimates and threat data (gear-specific fishing) to develop monthly maps of spatial risk. Specifically, we applied multistate hidden Markov models to a biotelemetry data set (n = 28 leatherback tracks, 2004-2007). Tracks with dive information were used to characterize turtle behavior as belonging to 1 of 3 states (transiting, residential with mixed diving, and residential with deep diving). Recent fishing effort data from Global Fishing Watch were integrated with predicted behaviors and monthly space-use estimates to create maps of relative risk of turtle-fisheries interactions. Drifting (pelagic) longline fishing gear had the highest average monthly fishing effort in the study region, and risk indices showed this gear to also have the greatest potential for high-risk interactions with turtles in a residential, deep-diving behavioral state. Monthly relative risk surfaces for all gears and behaviors were added to South Pacific TurtleWatch (SPTW) (https://www.upwell.org/sptw), a dynamic management tool for this leatherback population. These modifications will refine SPTW's capability to provide important predictions of potential high-risk bycatch areas for turtles undertaking specific behaviors. Our results demonstrate how multidimensional movement data, spatial-temporal density estimates, and threat data can be used to create a unique conservation tool. These methods serve as a framework for incorporating behavior into similar tools for other aquatic, aerial, and terrestrial taxa with multidimensional movement behaviors.
Incorporación del comportamiento multidimensional a una herramienta de gestión de riesgos para una especie migratoria en peligro crítico Resumen La conservación de especies migratorias con comportamientos amplios y multidimensionales se enfrenta a los esfuerzos de gestión que sólo utilizan movimientos horizontales o que producen resultados espaciotemporales estáticos. La tortuga laúd, una especie de las profundidades en peligro crítico, necesita con urgencia herramientas que pronostiquen los lugares en donde las tortugas tienen mayor riesgo de interactuar con las pesquerías para prevenir una mayor declinación poblacional. Incorporamos los resultados de un modelo de movimiento horizontal-vertical a las estimaciones de la densidad del núcleo espaciotemporal y de los datos de amenaza (equipo de pesca específico) para desarrollar mapas mensuales del riesgo espacial. De manera más concreta, aplicamos modelos ocultos multiestado de Markov a un conjunto de datos de biotelemetría (n=28 rastros de tortugas laúd, 2004-2007). Usamos los rastros con información de inmersión para caracterizar el comportamiento de las tortugas como uno de tres estados: en tránsito, inmersión mixta o por residencia e inmersión profunda o por residencia. Integramos los datos recientes del esfuerzo de pesca tomados de Global Fishing Watch a los comportamientos pronosticados y las estimaciones del uso mensual del espacio para crear mapas del riesgo relativo de las interacciones tortuga-pesquería. La pesca con palangre de deriva (pelágica) tuvo el promedio mensual más alto de esfuerzo de pesca en la región de estudio. Los índices de riesgo indicaron que este equipo también tiene el potencial más elevado de interacciones de alto riesgo con las tortugas en estado residencial o de inmersión profunda. Añadimos los comportamientos y las superficies de riesgo relativo mensuales a South Pacific Turtle Watch (SPTW) (https://www.upwell.org/sptw), una herramienta dinámica para la gestión de esta población de laúdes. Estos cambios pulirán la capacidad de SPTW para proporcionar predicciones importantes de las áreas con potencial alto de riesgo de pesca accesoria para las tortugas con comportamientos específicos. Nuestros resultados demuestran cómo los datos de movimiento multidimensional, las estimaciones de densidad espaciotemporal y los datos de amenaza pueden ser usados para crear una herramienta única de conservación. Estos métodos sirven como marco para incorporar el comportamiento a herramientas similares para otros taxones acuáticos, aéreos y terrestres con comportamientos multidimensionales.
对表现出大范围、多维行为的洄游物种的保护面临着仅利用水平运动或仅产生静态时空产物的管理工作的挑战。对于深潜的、极度濒危的东太平洋棱皮龟来说, 迫切需要能够预测海龟面临高风险渔业相互影响位点的工具, 以防止其进一步发生种群下降。本研究将水平-垂直运动模型的结果与空间-时间核密度估计及威胁数据(特定渔具的捕捞)结合起来, 获得了每月空间风险地图。具体来说, 我们将多态隐马尔可夫模型应用于生物遥测数据集(28 条棱皮龟轨迹, 2004-2007 年), 并用带有潜水信息的轨迹来描述海龟 3 种状态的行为(经过、栖息及混合潜水、栖息及深潜)。 我们还结合了来自全球渔业观察中最近捕捞量的数据与预测的行为和每月空间使用估计, 创建了海龟与渔业相互影响的相对风险地图。在我们的研究区域, 漂流的(中上层)延绳钓渔具月平均捕捞量最高, 风险指数显示这种渔具与海龟在栖息及深潜行为状态下发生高风险相互影响的可能性也最大。我们将所有类型的渔具和行为的每月相对风险数据添加到了南太平洋海龟观察网站上(SPTW)(https://www.upwell.org/sptw), 这是一个针对该地区棱皮龟种群的动态管理工具。这些改进将提高SPTW为特定行为的海龟提供潜在的高风险兼捕区重要预测的能力。我们的结果展示了如何运用多维运动数据、时空密度估计和威胁数据开发一个独特的保护工具。这些方法可作为一个框架来将行为纳入其他具有多维运动行为的水生、飞行和陆生类群的类似工具中。【翻译: 胡怡思; 审校: 聂永刚】.
Keywords: biotelemetry; biotelemetría; comportamiento multidimensional; ecological risk management; especie migratoria; gestión de riesgos ecológicos; hidden Markov models; leatherback turtle; migratory species; modelos ocultos de Markov; multidimensional behavior; tortuga laúd; 多维行为; 棱皮龟; 洄游物种; 生态风险管理; 生物遥测; 隐马尔可夫模型.
© 2023 The Authors. Conservation Biology published by Wiley Periodicals LLC on behalf of Society for Conservation Biology.