Abstract The COVID-19 pandemic and its lock-down measures have resulted in periods of reduced human activity, known as anthropause. While this period was expected to be favorable for the marine ecosystem, due to a probable reduction of pollution, shipping traffic, industrial activity and fishing pressure, negative counterparts such as the increased use of disposable plastic and reduced fisheries surveillance and enforcement could counterbalance these positive effects. Simultaneously, on-land pressure due to human disturbance and tourism should have drastically decreased, potentially benefiting land-based marine breeders such as seabirds. Thus, long-term datasets became crucial to differentiate between historical trends and any evident changes resulting from the anthropause. We analyzed 11 years of data on several biological parameters of little penguins ( Eudyptula minor ) from the Penguin Parade ®, a popular tourist attraction at Phillip Island, Australia. We investigated the impact of anthropogenic activities on penguin behavior during the breeding season measured by (1) distribution at sea, (2) colony attendance, (3) isotopic niche (4) chick meal mass, and (5) offspring investment against shipping traffic and number of tourists. The 2020 lock-downs resulted in a near absence of tourists visiting the Penguin Parade ®, which was otherwise visited by 800,000+ visitors on average per year. However, our long-term analysis showed no effect of the presence of visitors on little penguins’ activities. Surprisingly, the anthropause did not triggered any changes in maritime traffic intensity and distribution in the region. While we found significant inter- and intra-annual variations for most parameters, we detected a negative effect of marine traffic on the foraging efficiency. Our results suggest that environmental variations have a greater influence on the breeding behavior of little penguins compared to short-term anthropause events. Our long-term dataset was key to test whether changes in anthropogenic activities affected the wildlife during the COVID-19 pandemic. Impact statement We found that marine traffic, but not tourist presence, negatively impact the foraging and provisioning behavior of little penguins.

Abstract Protected areas are a widely adopted resource management strategy for mitigating the consequences of global change and preserve functioning ecosystems. Long-term species monitoring programmes, aided by bio-logging technology, provide insights into the extent and spatial variation of areas occupied by wild animals and inform conservation and management. High-resolution GPS-acceleration data offer a more accurate understanding of animal behavior and area use, compared to location-based inference, emphasizing the significance of specific sites amid long-term climate change. We based our case-study on the largest colony of little penguins ( Eudyptula minor ) located at Phillip Island. Based on a ten-year bio-logging dataset (247 individual tracks), we combine high-resolution bio-logging data from GPS-accelerometer loggers with proxies for resource availability (e.g. Sea Surface Tenperature, thermocline, water turbidity). Using machine learning techniques and Generalized Additive Mixed Models, we quantify the environmental factors determining spatio-temporal variability in foraging effort (defined as hunting time) across different breeding seasons and stages. Little penguins increased their hunting time by reducing spatial displacement (shorter step length) and diving deeper, with a slower increase in hunting effort below 10 m depth. In relation to environmental conditions, penguins increased hunting effort in coastal areas with high turbid and productive waters and decreased effort with increasing Sea Surface Temperature. This gives insights into how these animals allocate effort differently according to shifting environmental conditions. Our analysis offers crucial long-term insights into little penguin area usage in the Bass Strait at sufficient spatial and temporal resolution for management and conservation planning. The Bass Strait is facing intense climatic and anthripogenic pressures, and the findings here on intensity of area usage and strategy shifting according to environmental conditions, are of great relevance for the marine spatial planning currently under development along the coast. Policy implications: High-resolution behavioral information obtained from bio-logging data using GPS-accelerometer tags provides understanding of how species shift strategies in response to environmental variability. This is vital to implement climate-adaptive conservation and management strategies. Given the growing availability of long-term accelerometer datasets within the ecological community, we recommend integrating such high-resolution information into conservation programs.

Abstract Energy governs species’ life histories and pace of living, requiring individuals to make trade-offs. However, measuring energetic parameters in the wild is challenging, often resulting in data collected from heterogeneous sources. This complicates comprehensive analysis and hampers transferability within and across case studies. We present a novel framework, combining information obtained from eco-physiology and bio-logging techniques, to estimate both energy expended and acquired on 48 Adélie penguins ( Pygoscelis adeliae ) during the chick-rearing stage. We employ the machine learning algorithm random forest (RF) to predict accelerometry-estimated foraging behaviour using depth data (our proxy for energy acquisition). We also build a time-activity model calibrated with doubly labelled water data to estimate energy expenditure. Using depth-derived time spent diving and amount of vertical movement in the sub-surface phase, we accurately predict energy expenditure (R² = 0.70). Movement metrics derived from depth data modelled with the RF algorithm were able to accurately (accuracy = 0.82) detect the same foraging behaviour predicted from accelerometry. The RF more accurately predicted accelerometry-estimated time spent foraging (R² = 0.81) compared to historical proxies like number of undulations (R² = 0.51) or dive bottom duration (R² = 0.31). The proposed framework is accurate, reliable and simple to implement, enabling to couple energy intake and expenditure, which is crucial to further assess individual trade-offs. We provide universal guidelines for predicting these parameters based on widely used bio-logging technology in marine species. Our work allows us to revisit historical data, to study how long-term environmental changes affect animals’ energetics. Summary statement Using machine learning, we estimated energy expenditure and foraging activity of free-ranging Adélie penguins using depth data recorded with bio-logging devices.