Viltövervakning med viltkameror

Transkript

1 Scandcam Viltövervakning med viltkameror Möjligheter och utmaningar för viltövervakning med hjälp av viltkameror Tim Hofmeester, John Odden, Jonas Kindberg, John Linnell, Henrik Andrén och Joris Cromsigt

2 Scandcam Utveckling av viltkameraövervakning för flerartsövervakning Projektet är ett samarbete mellan SLU och NINA Målet med projektet är att utveckla nya inventeringsmetoder för att övervaka förändringar i viltsamhällena

3 Scandcam - Team John Odden Neri H Thorsen John Linnell Erlend Nilsen Nina Myhr Solveig Haug Jonas Kindberg Joris Cromsigt Henrik Andrén Tim Hofmeester Morten Odden Rocio Cano Martinez Simen Pedersen David Carricondo-Sanchez Richard Bischof

4 Scandcam - Finansiering

5 Scandcam Utnyttja databas från NINA (viltkamera.nina.no)

6 Scandcam Utnyttja databas från NINA (viltkamera.nina.no) Minst 1 viltkamera per 50 km 2 i lodjurhabitat Baserad på pilotstudie tilsvarer minst 5-6 kamera per hondjur. expertplacerad kamera (inte slumpmässig!) Står året runt Kontrollerad av lokalbefolkningen = konfliktdämpning

7 Scandcam Nya fältstudier

8 Workshop: Kan vi använda allmänheten med viltkameror för viltövervakning? På viltforskningsdagarna i Umeå Vi frågade: 1) Vilka är möjligheterna? 2) Vad är utmaningarna? 3) Vad är lösningarna?

9 Resultaten från workshopen De viktigaste möjligheterna - Populationsövervakning - Förmågan att se trender inom en population över tid - Möjligheten att upptäcka invasiva arter samt arters utbredningsgränser - Med hjälp av kameror kan man upptäcka rovdjur med föryngringar - Vi kan se hur årets föryngring av viltstammarna ser ut på våren/sommaren, och med hjälp av den informationen räkna ut hur stor avskjutningen borde ligga på

10 Sammanfattning möjligheterna Närvaro och frånvaro av arter (inkl. invasiva arter) Övervakning (trender över tid) (jaktvilt / stora rovdjur) Demografi / föryngring av viltstammen

11 Närvaro och frånvaro av arter När ett djur fotograferas är arten närvaro Men det är svårt för att bestämma frånvaro om viltkameror är ofullkomliga för att upptäcka djur

12 Problem med upptäckt P1: Pr Djur rör sig förbi kameran P2: Pr Djur triggar kameran djur rör sig förbi P3: Pr Djur identifierbar detekterad djur rör sig förbi, triggar kameran Hofmeester et al. (in review)

13 Problem med upptäckt P1: Pr Djur rör sig förbi kameran 1: Utbredningsområde 2: Landskap 3: Habitat patch 4: Microsite Hofmeester et al. (in review)

14 Problem med upptäckt

15 Problem med upptäckt Övervaka lodjur med viltkameror Vad bestämmer antal passager? Täthet men också rörelse Vad är viktigaste?

16 Problem med upptäckt Lodjur data från södra Norge NINA

17 Problem med upptäckt Preliminära resultat lodjur Rörelse verkar viktigare då täthet e+05 5e+05 6e+05 7e+05

18 Problem med upptäckt Preliminära resultat lodjur Nästa steg: att modellera täthet och rörelse i en modell

19 Problem med upptäckt P2: Pr Djur triggar kameran djur rör sig förbi 5: Viltkamera Hofmeester et al. (in review)

20 Problem med upptäckt P2: Pr Djur triggar kameran djur rör sig förbi PIR-sensorn detekterar en rörlig temperaturskillnad Welbourne et al. (2016) RSEC

21 Problem med upptäckt P2: Pr Djur triggar kameran djur rör sig förbi Detektion är bättre för större djur och i öppnare vegetation Hofmeester et al. (2017) RSEC

22 Problem med upptäckt P3: Pr Djur identifierbar detekterad djur rör sig förbi, triggar kameran 6: Bild Hofmeester et al. (in review)

23 Problem med upptäckt P3: Pr Djur identifierbar detekterad djur rör sig förbi, triggar kameran Identifiera art och individ

24 Problem med upptäckt P3: Pr Djur identifierbar detekterad djur rör sig förbi, triggar kameran Identifiera individ lodjur (Spatial capture-recapture modelling)

25 Demografi / föryngring av viltstammen Båda ungdjur och hondjur/handjur

26 Demografi / föryngring av viltstammen

27 Demografi / föryngring av viltstammen Första test nära Umeå (Järnäshalvön) Data: 187 viltkameraplatser Totalt 10,234 viltkameradagar under en period av 382 dagar

28 Demografi / föryngring av viltstammen Rådjur (i juli och augusti) 117 tillfällen som råget passerade viltkameror 14 tillfällen som rådjurskid passerade viltkameror Men är det samma eller olika individer?

29 Demografi / föryngring av viltstammen Baserad på antal passager kan vi uppskatta antal individer i varje åldersklass Royle et al. (2014)

30 En annan utmaning: datahantering Behöver stora dataservrar och en datahanteringssystem

31 En annan utmaning: datahantering Från bild till databas

32 En annan utmaning: datahantering Automatisk bildigenkänning med maskininlärning > bilder kommer till NINA om dagen Integritet garanteras genom att ta bort bilder av personer automatiskt med hjälp av bildigenkänningsprogram I 98 av 100 fall tas människor och bilar bort korrekt. Cirka 80% av fallen av andra arter sorteras korrekt

33 Kan man använda viltkameror för viltövervaltning? Datahantering Behöver modeller JA Standardisering

34 En titt på framtiden Använda viltkameror året runt Uppskatta täthet av olika åldersklasser för flera arter Använda täthetsuppskattningar i viltförvaltning

35 Tack så mycket! viltvårdsfonden