En savoir plus

>>> Télécharger le rapport

Résumé :

L’accélérométrie est une technologie récente de plus en plus utilisée en biologie et écologie. Elle permet notamment d’étudier le comportement animal grâce à des capteurs d’accélération qui caractérisent la posture et les mouvements du corps de l’animal à une échelle temporelle très fine. Cette étude exploratoire cherche à savoir si cette technique peut discriminer différents comportements chez les chevreuils, dans le but d’évaluer l’impact de diverses perturbations sur leur activité. Pour cela des colliers GPS munis d’accéléromètres tri-axiaux ont été posés sur trois chevreuils captifs et un éthogramme a été élaboré à partir des comportements filmés. Par la synchronisation vidéo, des séquences comprenant 11 comportements purs ont pu être extraites des données d’accélérométrie pour l’un des chevreuils. Les relevés accélérométriques obtenus sur ces séquences ont servi à calculer des variables secondaires ainsi qu’à construire différents modèles de classification. Parmi les modèles testés, le K plus proche voisin (KNN) semble être l’un des plus pertinents, avec 96,49% des observations bien classées entre les 11 comportements. Ces résultats pourront être améliorés en augmentant le nombre d’individu, le panel de comportements ainsi qu’en affinant l’analyse statistique. Cependant, on peut voir par cette étude préliminaire que l’accélérométrie semble prometteuse pour l’étude comportementale du chevreuil.

Abstract :

Accelerometry is a recent technology increasingly used in biology and ecology. In particular, it’s possible to study animal behavior due to these acceleration sensors which characterize the body's posture and movements on a very fine time scale. This exploratory study investigates if this technique can discriminate different roe deer behaviors, in order to assess the impact of various disturbances on their activity. For this purpose, GPS collars with triaxial accelerometers were placed on three roe deer in captivity and an ethogram was developed from the filmed behaviors. Thanks to video synchronization, sequences comprising 11 pure behaviors could be extracted from the accelerometer data for one of the deer. Accelerometric data obtained on these sequences were used to calculate secondary variables and to construct model classifications. Among the different models tested, the K-Nearest Neighbors (KNN) seems to be one of the relevantest, with 96.49% of the observations well classified between the 11 behaviors. These results can be improved by increasing the number of individuals, the range of behaviors and by refining the statistical analysis. However, we can see from this preliminary study that accelerometry seems promising for the behavioral study of roe deer.