Data analysis and models for long-distance bird migration. From correlations on ring recoveries to machine learning on geolocator measurements

Climate is one of the fundamental shapers of ecosystems, thus its ongoing changes deeply influence the behavior, distribution and dynamics of plant and animal populations. Migratory birds are among the species most affected by this phenomenon, as they need to fine-tune their phenology according to the climatic conditions of their breeding and wintering areas. To investigate how and to what extent alterations of climate regimes may determine key changes in the movement ecology of migratory birds, a detailed knowledge of their staging sites, a trustable reconstruction of their migration routes and of the time schedules of their journeys is very necessary. The classic methods for studying migration, such as bird ringing, can now be complemented by new technologies, such as GPS loggers or light level geolocators, that allow to record proxies of organisms’ positions throughout their routes. Focusing on a model species, the barn swallow (Hirundo rustica), in this work we first developed a method to investigate the occurrence of climatic connections between the African wintering and European breeding areas of this migratory passerine bird: surprisingly significant correlations between the average temperatures in the wintering and breeding locations of individuals emerged at the precise weeks of individuals’ spring migration. Correlations have high significance only in the proximity of barn swallow wintering sites and if the temperature series refer to the precise weeks of migration. Second, we reconstructed migratory routes of 88 barn swallows using the measurements provided by light level geolocators, verifying the repeatability of the estimation method we used. The results obtained allowed us to identify four groups of individuals, as well as a possible effect of the year of migration on many indicators of the migration schedules obtained from the reconstructed routes. Third, using the routes data as reconstructed in the second research step, we have automated a long manual phase of data pre-processing by implementing filters based on Machine Learning algorithms. The migratory routes reconstructed using the automated pre-processing are completely comparable with those obtained from the manual selection of geolocator data. The work confirms that models based on data gathered with ICT devices may be helpful tools to let us gain insights on the influence of environmental and climate changes on species and ecosystems connectivity.

Il clima è uno degli elementi plasmanti degli ecosistemi. I suoi continui cambiamenti influenzano profondamente il comportamento, la distribuzione e la dinamica delle popolazioni animali e vegetali. Gli uccelli migratori sono tra le specie più interessate da questo fenomeno, in quanto regolano la loro fenologia in base alle condizioni climatiche delle loro aree di riproduzione e di svernamento. Per indagare su come e in che misura le alterazioni dei regimi climatici possono determinare I cambiamenti cruciali nell'ecologia del movimento degli uccelli migratori, sono necessarie una conoscenza dettagliata dei loro siti di stazionamento e una ricostruzione affidabile delle loro rotte migratorie e del timing dei loro viaggi. I metodi classici per studiare la migrazione, come l’inanellamento degli uccelli, ora possono essere integrati da nuove tecnologie, come i GPS loggers o i light-level geolocator, che consentono di registrare dei proxy delle posizioni degli organismi durante le loro rotte. Concentrandoci su una sola specie, la rondine (Hirundo rustica), in questo lavoro abbiamo per prima cosa sviluppato un metodo per studiare la presenza di connessioni climatiche tra le aree di svernamento africane e le aree di riproduzione europee di questo uccello migratore passeriforme: sono emerse correlazioni sorprendentemente significative tra le temperature medie dei siti di svernamento e le posizioni di riproduzione degli individui nelle settimane interessate dalla migrazione primaverile. Le correlazioni hanno un’elevata significatività solo in prossimità dei siti di svernamento e solo se le serie di temperature si riferiscono all’esatto periodo di migrazione. In secondo luogo, abbiamo ricostruito le rotte migratorie di 88 rondini usando le misurazioni fornite da light-level geolocator, verificando la ripetibilità del metodo di stima utilizzato. I risultati ottenuti ci hanno permesso di identificare quattro gruppi di individui e un possibile effetto dell'anno di migrazione su molti indicatori delle rotte ricostruite. Infine, utilizzando i dati analizzati durante la seconda parte della ricerca, abbiamo automatizzato una lunga fase manuale di pre-elaborazione dei dati dei geolocator implementando filtri basati su algoritmi di Machine Learning. Le rotte migratorie ricostruite utilizzando la pre-elaborazione automatica sono completamente confrontabili con quelle ottenuto dalla selezione manuale dei dati. Questo lavoro conferma che modelli basati su dati raccolti con dispositivi ICT potrebbero essere utili strumenti per approfondire l'influenza dei cambiamenti ambientali e climatici sulla connettività delle specie e degli ecosistemi.