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
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
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
Scandcam - Finansiering
Scandcam Utnyttja databas från NINA (viltkamera.nina.no)
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
Scandcam Nya fältstudier
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?
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
Sammanfattning möjligheterna Närvaro och frånvaro av arter (inkl. invasiva arter) Övervakning (trender över tid) (jaktvilt / stora rovdjur) Demografi / föryngring av viltstammen
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
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)
Problem med upptäckt P1: Pr Djur rör sig förbi kameran 1: Utbredningsområde 2: Landskap 3: Habitat patch 4: Microsite Hofmeester et al. (in review)
Problem med upptäckt
Problem med upptäckt Övervaka lodjur med viltkameror Vad bestämmer antal passager? Täthet men också rörelse Vad är viktigaste?
Problem med upptäckt Lodjur data från södra Norge NINA
6550000 6650000 6750000 6850000 Problem med upptäckt Preliminära resultat lodjur 8 3.0 6 2.5 Rörelse verkar viktigare då täthet 42.0 21.5 01.0 4e+05 5e+05 6e+05 7e+05
Problem med upptäckt Preliminära resultat lodjur Nästa steg: att modellera täthet och rörelse i en modell
Problem med upptäckt P2: Pr Djur triggar kameran djur rör sig förbi 5: Viltkamera Hofmeester et al. (in review)
Problem med upptäckt P2: Pr Djur triggar kameran djur rör sig förbi PIR-sensorn detekterar en rörlig temperaturskillnad Welbourne et al. (2016) RSEC
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
Problem med upptäckt P3: Pr Djur identifierbar detekterad djur rör sig förbi, triggar kameran 6: Bild Hofmeester et al. (in review)
Problem med upptäckt P3: Pr Djur identifierbar detekterad djur rör sig förbi, triggar kameran Identifiera art och individ
Problem med upptäckt P3: Pr Djur identifierbar detekterad djur rör sig förbi, triggar kameran Identifiera individ lodjur (Spatial capture-recapture modelling)
Demografi / föryngring av viltstammen Båda ungdjur och hondjur/handjur
Demografi / föryngring av viltstammen
Demografi / föryngring av viltstammen Första test nära Umeå (Järnäshalvön) Data: 187 viltkameraplatser Totalt 10,234 viltkameradagar under en period av 382 dagar
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?
Demografi / föryngring av viltstammen Baserad på antal passager kan vi uppskatta antal individer i varje åldersklass Royle et al. (2014)
En annan utmaning: datahantering Behöver stora dataservrar och en datahanteringssystem
En annan utmaning: datahantering Från bild till databas
En annan utmaning: datahantering Automatisk bildigenkänning med maskininlärning > 10000 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
Kan man använda viltkameror för viltövervaltning? Datahantering Behöver modeller JA Standardisering
En titt på framtiden Använda viltkameror året runt Uppskatta täthet av olika åldersklasser för flera arter Använda täthetsuppskattningar i viltförvaltning
Tack så mycket! viltvårdsfonden tim.hofmeester@slu.se