Modération des erreurs de localisation Argos dans les données de suivi animal

Résumé Le Système A rgos est utilisé dans le monde entier pour suivre par satellite les animaux en liberté, mais les erreurs de localisation peuvent varier de dizaines de mètres à des centaines de kilomètres. Les localisations de faible qualité (classes A, 0, B et Z d'A rgos) dominent les données de suivi animal. Les localisations de qualité standard (classes 3, 2 et 1 d'A rgos) présentent des erreurs plus importantes que celles rapportées dans les manuels d'A rgos. L'algorithme D ouglas A rgos-filtre (DAF) signale les localisations implausibles en fonction de seuils définis par l'utilisateur qui permettent d'adapter les performances de l'algorithme aux comportements de mouvement des espèces et aux objectifs de l'étude. L'algorithme est disponible dans M ovebank - une infrastructure en ligne gratuite pour stocker, gérer, partager et analyser les données de mouvement animal. Nous avons comparé 21 044 localisations de système de positionnement global (GPS) appariées dans le temps avec les estimations de localisation d'A rgos collectées à partir des émetteurs Argos sur des oiseaux aquatiques et des condors en liberté (13 espèces, 314 individus, 54 895 jours de suivi animal). Les percentiles d'erreur au 95e percentile pour les localisations Argos non filtrées 0, A, B et Z étaient respectivement à moins de 35,8, 59,6, 163,2 et 220,2 km de la localisation réelle. Après application de DAF avec des seuils laxistes, environ 20 % des localisations de classe 0 et A et 45 % des localisations de classe B et Z ont été exclues, et les percentiles d'erreur au 95e percentile ont été réduits à 17,2, 15,0, 20,9 et 18,6 km pour les classes 0, A, B et Z, respectivement. À mesure que les seuils étaient appliqués de manière plus conservatrice, moins de localisations étaient retenues, mais elles possédaient une précision globale plus élevée. Le filtre Douglas Argos peut améliorer la précision des données de 50 à 90 % et est un outil efficace et flexible pour préparer les données Argos à une interprétation biologique directe ou à une modélisation subséquente.