| Summary: | Ravinnon etsiminen on tärkeä osa eläimen elinkiertoa, johon liittyy päätöksentekoa ja kompromisseja: ravinnonetsijän täytyy tasapainottaa ravinnon hankintaan kulunut energia suhteessa ruuan syömisestä saatavaan energiaan. Tämä tutkielma laajentaa Cornellin ym. (2019) luomaa matemaattista viitekehystä optimaalisen ravinnonhankintakäyttäytymisen tutkimisessa hyödyntäen yksilöpohjaisia malleja (IBMs), ja erityisesti spatio-temporaalisia pisteprosesseja. Fokus on erityisesti tilanteissa, joissa ravinnonetsijä etsii paikallaan olevia, ryppäissä esiintyviä kohteita, käyttäen etsinnässään kahta eri liikkumisnopeutta: hidasta ja nopeaa. Tavoitteena on ymmärtää, kuinka havaintotehokkuus vaikuttaa optimaaliseen vaihtonopeuteen hitaasta liikkeestä nopeaan. Perusmallissa ravinnonetsijä kohtaa satunnaisesti ryppäissä esiintyviä paikallaan olevia kohteita; kohdatessaan kohteen nopeasti liikkuessaan, se vaihtaa hitaaseen liikkeeseen kuluttaakseen kohteen. Mikäli etsijä on valmiiksi hitaassa liikkeessä, se pysyy siinä kuluttaen kohteen. Tässä tutkimuksessa tilanteeseen tuodaan mukaan uusi piirre, havaintotehokkuus. Ravinnonetsijän havaintotehokkuus vaikuttaa sen kykyyn havaita kohteita nopeassa tilassa, jolloin se vaikuttaa myös kulutustehokkuuteen. Hypoteesi on, että kun havaintotehokkuus heikkenee nopeassa liikkeessä, ravinnonetsijän kyky havaita kohteita vähenee, mikä puolestaan laskee kulutusnopeutta tässä tilassa. Tämä tekisi edullisemmaksi viettää enemmän aikaa hitaassa liikkeessä. Tulokseni osoittavat, että havaintotehokkuuden laskiessa ravinnonetsijän kannattaa viettää yhä enemmän aikaa hitaassa liikkeessä maksimoidakseen kulutuksen. Optimaalisena strategiana tällöin on pysyä täysin paikallaan, jos havaintotehokkuus nopeassa liikkeessä on merkittävästi alhaisempi kuin hitaassa liikkeessä. Tämä mallin laajennus tarjoaa realistisemman käsityksen ruuanhankintakäyttäytymisestä ottamalla huomioon havaintotehokkuuden ja liikkumisnopeuden väliset kompromissit.
The foraging activities of an animal are a crucial part of its life cycle that involve decision-making and trade-offs: the forager needs to balance the energy expended in foraging with the energy gained from consuming food. Using individual-based models (IBMs), especially spatio-temporal point processes, this thesis builds on the mathematical framework created by Cornell et al. (2019) to study optimal foraging behavior in situations where a forager searches for stationary, clustered targets and has two movement modes: fast and slow. The goal is to understand how perception efficiency impacts the optimal switching rate from slow to fast mode. In the baseline model, a forager encounters stationary targets that appear randomly in clusters; upon encountering a target in fast mode, the forager switches to slow mode to consume it. If already in slow mode, it remains there while consuming the target. This study introduces a new trait that was not studied in the original model: perception efficiency. The perception efficiency of a forager influences its ability to detect targets while in the fast mode and thus also affects the consumption rate. The hypothesis is that when perception efficiency is reduced in fast mode, it decreases the forager’s ability to detect targets, thereby lowering the consumption rate in that mode. This in turn would make it advantageous for the forager to spend more time in slow mode. My findings suggest that as perception efficiency decreases, it becomes beneficial for the forager to spend more time in slow mode to maximize consumption, with the optimal strategy being to remain completely stationary when perception efficiency in fast mode is substantially lower than in slow mode. This model extension provides a more realistic description of foraging behavior by incorporating perception trade-offs related to movement speed.
|
|---|