生物移動情報分析における個体属性差による行動差異の発見支援

摘要

近年のデバイスの高性能化·小型化に伴い，生態学の分野において，位置情報や加速度，周辺温度や映像などを記録可能なデータロガーと呼ばれる小型デバイスを生物に取り付け，生物の移動中の情報を長期的かつ詳細に記録し，それを基に生物の生態を明らかにするバイオロギングという研究手法が注目されている.バイオロギングによって得られたロガーデータは，従来のフィールドワークなどでは知りえなかった情報を多く含hでおり，例えば，キングペンギンの遊泳速度と照度などの周辺環境との関係や[1]，オオミズナギドリの採餌移動時の性差[2]，ヒラシュモクザメの特徴的な遊泳パターン[3]など，様々な生物に関してバイオロギングにより新たな発見がなされている.生物移動情報分析の課題には様々なものがあるが，その一つに，数値的な個体属性差による移動軌跡変化の解明がある.数値的な個体属性とは，年齢や体型など，その個体のある性質を表す数値情報であり，例えば，加齢による鳥の飛行軌跡の変化の解明などが挙げられる.これまでに渡り鳥の体重と移動距離の関係[5]や，魚類の体温と，遊泳速度·回遊距離の関係[6]，クロマグロの体重とグライド行動の関係[7]，ブリの群れの大きさと流れ藻との関係[8]に関する研究などが行われている.従来では，変化が現れると予想される特徴量（移動速度等）を移動軌跡から経験に基づき抽出し，個体属性値の異なる個体間で比較を行い，統計的に有意差を検定するという方法が主に取られていた.（例えば，年齢別に軌跡から平均飛行速度や平均飛行距離などを抽出し，年齢と相関関係等が見られたものについて統計的に検証するなど.）しかし，膨大なロガーデータから経験や直感に基づき，このような個体属性と軌跡特徴量の関係を発見するのは難しいという問題があった.そこで本研究では，個体属性差による移動軌跡変化の分析において，個体属性値の異なる移動軌跡間の違いを特徴学習が可能なニューラルネットに学習させ，その学習内容を研究者が理解できる形で提示することで，個体属性と軌跡特徴量間の関係の発見を支援する手法を考案する.また，提案手法の有用性を確認するため，海鳥の1種であるウミネコの軌跡データの分析を行う.