Effects of body size on estimation of mammalian area requirements.

Accurately quantifying species' area requirements is a prerequisite for effective area-based conservation. This typically involves collecting tracking data on species of interest and then conducting home-range analyses. Problematically, autocorrelation in tracking data can result in space needs being severely underestimated. Based on the previous work, we hypothesized the magnitude of underestimation varies with body mass, a relationship that could have serious conservation implications. To evaluate this hypothesis for terrestrial mammals, we estimated home-range areas with global positioning system (GPS) locations from 757 individuals across 61 globally distributed mammalian species with body masses ranging from 0.4 to 4000 kg. We then applied block cross-validation to quantify bias in empirical home-range estimates. Area requirements of mammals <10 kg were underestimated by a mean approximately15%, and species weighing approximately100 kg were underestimated by approximately50% on average. Thus, we found area estimation was subject to autocorrelation-induced bias that was worse for large species. Combined with the fact that extinction risk increases as body mass increases, the allometric scaling of bias we observed suggests the most threatened species are also likely to be those with the least accurate home-range estimates. As a correction, we tested whether data thinning or autocorrelation-informed home-range estimation minimized the scaling effect of autocorrelation on area estimates. Data thinning required an approximately93% data loss to achieve statistical independence with 95% confidence and was, therefore, not a viable solution. In contrast, autocorrelation-informed home-range estimation resulted in consistently accurate estimates irrespective of mass. When relating body mass to home range size, we detected that correcting for autocorrelation resulted in a scaling exponent significantly >1, meaning the scaling of the relationship changed substantially at the upper end of the mass spectrum.

Efectos del Tamaño Corporal sobre la Estimación de los Requerimientos de Área de Mamíferos Resumen La cuantificación precisa de los requerimientos de área de una especie es un prerrequisito para que la conservación basada en áreas sea efectiva. Esto comúnmente implica la recolección de datos de rastreo de la especie de interés para después realizar análisis de la distribución local. De manera problemática, la autocorrelación en los datos de rastreo puede resultar en una subestimación grave de las necesidades de espacio. Con base en trabajos previos, formulamos una hipótesis en la que supusimos que la magnitud de la subestimación varía con la masa corporal, una relación que podría tener implicaciones serias para la conservación. Para probar esta hipótesis en mamíferos terrestres, estimamos las áreas de distribución local con las ubicaciones en GPS de 757 individuos de 61 especies de mamíferos distribuidas mundialmente con una masa corporal entre 0.4 y 4,000 kg. Después aplicamos una validación cruzada en bloque para cuantificar el sesgo en estimaciones empíricas de la distribución local. Los requerimientos de área de los mamíferos <10 kg fueron subestimados por una media ∼15% y las especies con una masa ∼100 kg fueron subestimadas en ∼50% en promedio. Por lo tanto, encontramos que la estimación del área estaba sujeta al sesgo inducido por la autocorrelación, el cual era peor para las especies de talla grande. En combinación con el hecho de que el riesgo de extinción incrementa conforme aumenta la masa corporal, el escalamiento alométrico del sesgo que observamos sugiere que la mayoría de las especies amenazadas también tienen la probabilidad de ser aquellas especies con las estimaciones de distribución local menos acertadas. Como corrección, probamos si la reducción de datos o la estimación de la distribución local informada por la autocorrelación minimizan el efecto de escalamiento que tiene la autocorrelación sobre las estimaciones de área. La reducción de datos requirió una pérdida de datos del ∼93% para lograr la independencia estadística con un 95% de confianza y por lo tanto no fue una solución viable. Al contrario, la estimación de la distribución local informada por la autocorrelación resultó en estimaciones constantemente precisas sin importar la masa corporal. Cuando relacionamos la masa corporal con el tamaño de la distribución local, detectamos que la corrección de la autocorrelación resultó en un exponente de escalamiento significativamente >1, lo que significa que el escalamiento de la relación cambió sustancialmente en el extremo superior del espectro de la masa corporal.

A multi-species evaluation of digital wildlife monitoring using the Sigfox IoT network.

Bio-telemetry from small tags attached to animals is one of the principal methods for studying the ecology and behaviour of wildlife. The field has constantly evolved over the last 80 years as technological improvement enabled a diversity of sensors to be integrated into the tags (e.g., GPS, accelerometers, etc.). However, retrieving data from tags on free-ranging animals remains a challenge since satellite and GSM networks are relatively expensive and or power hungry. Recently a new class of low-power communication networks have been developed and deployed worldwide to connect the internet of things (IoT). Here, we evaluated one of these, the Sigfox IoT network, for the potential as a real-time multi-sensor data retrieval and tag commanding system for studying fauna across a diversity of species and ecosystems. We tracked 312 individuals across 30 species (from 25 g bats to 3 t elephants) with seven different device concepts, resulting in more than 177,742 successful transmissions. We found a maximum line of sight communication distance of 280 km (on a flying cape vulture [Gyps coprotheres]), which sets a new documented record for animal-borne digital data transmission using terrestrial infrastructure. The average transmission success rate amounted to 68.3% (SD 22.1) on flying species and 54.1% (SD 27.4) on terrestrial species. In addition to GPS data, we also collected and transmitted data products from accelerometers, barometers, and thermometers. Further, we assessed the performance of Sigfox Atlas Native, a low-power method for positional estimates based on radio signal strengths and found a median accuracy of 12.89 km (MAD 5.17) on animals. We found that robust real-time communication (median message delay of 1.49 s), the extremely small size of the tags (starting at 1.28 g without GPS), and the low power demands (as low as 5.8 µAh per transmitted byte) unlock new possibilities for ecological data collection and global animal observation.