Summary

בחינת ברדלסים: אנשי זיהוי על ידי עקביהם

Published: May 01, 2016
doi:

Summary

The cheetah (Acinonyx jubatus) is an iconic, endangered species, but conservation efforts are challenged by habitat shrinkage and conflict with commercial farmers. The footprint identification technique, a robust, accurate and cost-effective image classification system, is a new approach to monitoring cheetahs.

Abstract

The cheetah (Acinonyx jubatus) is Africa’s most endangered large felid and listed as Vulnerable with a declining population trend by the IUCN1. It ranges widely over sub-Saharan Africa and in parts of the Middle East. Cheetah conservationists face two major challenges, conflict with landowners over the killing of domestic livestock, and concern over range contraction. Understanding of the latter remains particularly poor2. Namibia is believed to support the largest number of cheetahs of any range country, around 30%, but estimates range from 2,9053 to 13,5204. The disparity is likely a result of the different techniques used in monitoring.

Current techniques, including invasive tagging with VHF or satellite/GPS collars, can be costly and unreliable. The footprint identification technique5 is a new tool accessible to both field scientists and also citizens with smartphones, who could potentially augment data collection. The footprint identification technique analyzes digital images of footprints captured according to a standardized protocol. Images are optimized and measured in data visualization software. Measurements of distances, angles, and areas of the footprint images are analyzed using a robust cross-validated pairwise discriminant analysis based on a customized model. The final output is in the form of a Ward’s cluster dendrogram. A user-friendly graphic user interface (GUI) allows the user immediate access and clear interpretation of classification results.

The footprint identification technique algorithms are species specific because each species has a unique anatomy. The technique runs in a data visualization software, using its own scripting language (jsl) that can be customized for the footprint anatomy of any species. An initial classification algorithm is built from a training database of footprints from that species, collected from individuals of known identity. An algorithm derived from a cheetah of known identity is then able to classify free-ranging cheetahs of unknown identity. The footprint identification technique predicts individual cheetah identity with an accuracy of >90%.

Introduction

הברדלס (jubatus Acinonyx) הוא felid בסכנת ההכחדה ביותר של אפריקה רשומה כפגיע עם מגמת אוכלוסיית ירידה של הרשימה האדומה של IUCN של מינים מאוימים 1. אוכלוסיית הברדלס העולמית מוערכת בטווח שבין 7-10,000 יחידים 1 ונמיביה מוכרת כמעוז הגדול של ברדלס חינם יריעה, עם אולי יותר משליש מאוכלוסיית העולם 4,6,7. אומדני האוכלוסייה עבור דרום אפריקה בשנת 2007 הניח האוכלוסייה הצ'יטה של ​​נמיביה ב 2000 עם בוטסואנה המדינה מגוון הבא הקרוב עם 1,800, ואחריה דרום אפריקה (550), זימבבואה (400), זמביה (100), מוזמביק (<5). כמה מדינות היו 7 unassessed.

הרשויות בנמיביה יש חזון בבירור של "Secure, אוכלוסיות ברדלס קיימא תוך שימוש במגוון של מערכות אקולוגיות כי לדור בכפיפה אחת בהצלחה עם, ואת מוערכים על ידי, אנשי נמיביה." עם זאת, בעלי חייםחקלאות ומשחק, הם קרקע נעזרה ב נמיביה 8,9 ובעלי אדמות מלכודת בקביעות ולהרוג ברדלס על תכונותיהם בניסיון להפחית טריפה של בעלי חיים או חיות ברות יקרות. יותר מ -1,200 ברדלסים הוסרו 1991 ל -2006, אך לא כולם כאלה "offtakes 'נרשמו 10. יתר על כן, יש ויכוח על האם או לא זה הוא פתרון יעיל לסכסוך החקלאי-צ'יטה. הסרת החיות נתפסות גורם סכסוך, על ידי הריגה או טרנסלוקציה עשויה להיות פחות יעילה מאשר קלה של סכסוך באמצעים אחרים, כגון הגנת בעלי חיים טובה יותר 11. שיעורי פורסם הישרדות במשך 12 חודשים-טרנסלוקציה פוסט נעים בין 18% 11 עד 40% 12.

איסוף נתונים מהימנים על המספרים, הזהות וההפצה של ברדלס בנמיביה הוא מפתח לטיפול במצבי קונפליקט האנושית-צ'יטה. צ'יטה הנוכחי טכניקות ניטור נעות בין שאלונים ממוקדים מן נאמימשרד לאיכות הסביבה ביאן ותיירות לבעלי העניין 4 לתצפיות אופורטוניסטים ידי תיירי הממשלה מדווח 4, לשימוש מלכודות מצלמה 13, GPS או צווארוני VHF 10,14, סקרי ראיון חקלאי 8, ואפילו נקודת דפוס 15. עם זאת, השוואה של היעילות של שיטות אלו ללא benchmark או כימות משותף של מאמץ סקר קשה. כל מגבלות; צווארונים בלוויין VHF GPS הם יקרים ולעתים קרובות לא אמין, שאלונים ממוקדים מוגבל בהיקפו, ו-מלכודות מצלמה יש טווח מוגבל.

הערכות שנוצרו באמצעות שיטות שונות אלה משתנים במידה רבה. דה מרקר et al. 10 הדגישו את הצורך בגישה מתואמת יותר. מגוון שיטות שמש על האדמות החקלאיות לידי להעריך צפיפות אוכלוסיית ברדלס, ואלה יצרו מגוון של ערכות. לדוגמה, מחקר טלמטריה רדיו מוערך 2.5 (± 0.73) ברדלסים / 1,000 ק"מ <sup> 2 תוך מחקר המצלמה מלכודת מוערך 4.1 (± 0.4) ברדלסים / 1,000 ק"מ 2 (דה מרקר et al. 2007). וריאציה זו מדגישה את הבעיה של שימוש בשיטות שונות כדי להעריך צפיפות, אך עד כה לא יחידה, יעילה, טכניקת דיר זוהתה אשר יכול לשמש על פני המגוון הרחב של בתי גידול כי ברדלסים לכבוש בנמיביה. זה נשאר בעיה לניטור ושימור ברדלס יעיל.

אתגר זה שהצית את הפיתוח של כלי חזק, חסכוני וגמיש לניטור צ'יטה. הטכניקה זיהוי טביעת פותחה לראשונה עבור קרנף שחור 16 ובהמשך הותאמה למגוון רחב של מינים, כולל קרנף לבן 17, נמר אמאר 18, אריה הרים 19, ואחרים.

מחקרים שונים הראו כי ניתן להשתמש עקבות לזהות טורפים גדולים על ידי מינים, אנשים, ומין. התהליךהתפתח תיאור צורה פשוטה של עקבות 20 להשוואת מדידות 21, ועד ניתוח סטטיסטי של מדידות אחד או כמה 16,17,22-30 ולעצב ניתוח 31 מאמצים אלה ילמדו היו משתנים הצלחה, הדבר תלוי ברובו על הקשיחות של איסוף נתונים ותהליכים אנליטיים, ומספר חיות מבחן המשמשות לפתח את מערכי הנתונים הכשרים. ישנם מספר יתרונות מעשיים של שימוש עקבות. הראשונה היא כי תמונות ניתן לאסוף לצד גישות אחרות פולשני (למשל, מצלמה-שמן, אוסף דנ"א שיער / צואה, וכו ') עם מאמץ נוסף קטן מאוד או עלות. שנית, עקבות, שבו היתרי מצע, הסימן הנפוץ ביותר של פעילות בעלי החיים.

טכניקת זיהוי טביעת הרגל היא הטכניקה לזיהוי טביעת רגל החזקה הראשונה תארה ברדלס והוא ישים בכל אתר שבו עקבות נמצאות. עקבות חייבות להיות sufficiently מוגדר כי הבהונות והעקב של הדפסה ניתן לראות בבירור בעין בלתי מזוינת. מפעילי שדה חייבים להכיר את האנטומיה הבסיסית של כף רגל הברדלס ולהיות מסוגל לזהות הדפסים בתחום הריבית, ולהבחין ביניהם לבין הדפסים של כל טורפים גדולים sympatric אחרים. הטכניקה יכולה לשמש גם כטכניקה במפקד (למשל, כמה ברדלסים מיוצגים על ידי העקבות נאספות?) או ככלי לניטור אנשים ספציפיים. Footprints יכול לשמש גם 'מסמן' בניתוחי סימן-לכבוש מחדש, באמצעות הטכניקה כדי לזהות אנשים, ולאחר מכן לחשב צפיפות מקומית של המינים. איסוף הנתונים דורש רק מצלמה דיגיטלית בסיסית וקנה מידה.

Protocol

מסר אתיקה: טכניקת זיהוי טביעת הרגל היא טכניקה לא פולשנית. אין דגימות ביולוגיות נלקחו. רשום בלבד ברדלס בשבי עם תיעוד היתר שמש. השתתפות ברדלס הוגבלה במסלול ההליכה בחול להשאיר עקבות תמורת גמול מזון. הערה: פרוטוקול זה מסביר את השימוש של תוכנה להדמיה נתונים כגון JMP, להלן המכונה "נתונים להדמיה תוכנה 'לסווג עקבות בטכניקת זיהוי טביעת הרגל. הצהרת בטיחות: ברדלסים לא נותרו ללא שמירה (2 אנשים) והוצבו מתקני אחזקות נפרדים במידת האפשר. ברדלסים שבויים המשמשים טיפול פותה ישירות על שביל חול לעשות עקבות. בעלי חיים אחרים פחות מקובל טיפול פותה מבחוץ המתחם. מינוח: מסלול: טביעת רגל אחת; שביל: פנייהסדרת עקבות nbroken שנעשו על ידי חיה אחת. 1. עקבות איסוף הכנת תיקון ו פרוטוקול אספו את החומרים הבאים עבור הפרוטוקול: מגרפה בסדר, או מגרפה גסה לחבל, ממטרה ביד או מזלף, שני שליטים סטנדרטיים (סנטימטר) או שליט מתקפל 'אחד ניגר למסגור את האותיות, מצלמה דיגיטלית רגילה (רזולוציה מינימאלית 1,200 x 1,600 Pix), מטריית הבצל אם תוויות טביעת צורך סטנדרטיות, עם רווחי הקלטת נתונים להקליט בשם הצלם, תאריך, סדרת סימן עקב, מזהה הדפסה דיסקרטית, מזהה בעלי חיים, מיקום ועומק אם> 2 סנטימטר). עבודה בשעות הבוקר המוקדמות או בשעות אחר הצהריים המאוחרות עבור בניגוד האור המרבית על הדפסים. אם הדבר אינו אפשרי, בצל מלאכותי מטרייה יכול לשפר הגדרת כרית עקב בוהן כאשר השמש נמצאת מעלינו. הנח נתיב של 1 ס"מ עומק על המצע טבעי או חול של האנשים שבנו. ודא הוא על2-3 מ 'רוחב ולרוץ בין 3 ל 15 מ' לאורך גדר מערכת או נתיב תנועה רגיל. רטוב להחליק את המצע עם כלי גינון סטנדרטיים במטרה לשפר את איכות הגדרת הדפסה. הסרה ידנית עלים וחלוקי נחל, אם הוא קיים. איסוף עקבות עבור במערך ההכשרה לפתות הברדלס פני שביל חול עם פרסי מזון. אחרי העקבות נעשו, להוביל את החיה מן הנתיב. לאחר הדמיה כל שביל טביעת הרגל (ראה 1.3) לצחצח המסילה במרחק ולהכין את השטח להקלטת השביל הבא. רק לאסוף דפסים אחוריים שמאל במערך האימונים. הוא הרגל האחורית השמאלית יש בוהן המובילה (בוהן 3), בוהן 4 ו -5 בוהן עושים מדרון שמאלה. רגליים קדמיות רחבות יותר רגליים אחוריות. לבזבז זמן ללמוד כיצד לזהות אותם לפני ההדמיה. הדמית העקבות באמצעות פרוטוקול טכניקה לזיהוי טביעת הרגל <ol> סמן את המיקום של העקבות הבודדות לאורך השביל על ידי ציור עיגול סביב ידני את פליטות אחוריות שמאלה. השתמש במקל או כל כלי מקומי מתאים אחר. תמונה של טביעת הרגל הראשונה כדלקמן מניחים סולם מטרי כ -1 ס"מ מתחת ולצד שמאל של טביעת הרגל. על פי קנה המידה, ולא נוגע את טביעת הרגל, במקום להחליק זיהה צילום, ולכתוב בחללים מוקצה מראש בשם הצלם, תאריך, סדרת טביעת רגל, עומק (אם> 2 סנטימטר) מזהה הדפסה דיסקרטית, מזהה חיה ומיקום. לפשק את האותיות וכוונו את עדשת המצלמה ישירות תקורה את טביעת הרגל, כדי למנוע כל טעות פרלקסה בתמונה ביחס בתלוש מזהה סולם או תמונה. שימוש בחצובה או עוזר לבדוק אם יש צורך בכך. ודא כי טביעת רגל, הכלל מזהה עם תמונה להחליק לחלוטין למלא את המסגרת. אסוף סביב 20 דפסים אחוריים טובים עזוב איכות כדי להשלים את האוסף עבור חיה. אם 20 prints אינם זמין מהשביל הראשון, תהליכים חוזרים 1.1.6 1.3.5 עם אותה החיה. 2. הבלטת תכונות תמונה לפני ניתוח טכניקת זיהוי הטביעה לחץ לחיצה כפולה על סמל טכניקה לזיהוי טביעה ולפתוח אותו בתור תוספת לתוכנת נתונים להדמיה. שים את חלון הבית על המסך. בחירה 'הבלטת תכונות תמונה' כדי להראות את החלון החדש. טכניקת זיהוי הטביעה פועלת על תסריט תוכנה להדמית נתוני JSL קידוד השפה. התפריט הראשי מוצג באיור. 1. שימוש בעכבר, גרור ושחרר את התמונה טביעת הרגל הראשונה לתוך חלון הבלטת תכונות תמונה. מדריך תבנית תכונה החילוץ מוצג בצד שמאל של החלון. לחץ ובחר את לחצן 'שינוי הגודל' כדי להבטיח שתמונת טביעת הרגל היא בתוך חלון הגרפיקה. לחץ על הנקודות הנמוכות ביותר על בוהן בחוץ (אצבעות 2ו -5) להציב סמנים ולאחר מכן בחר 'סובב'. שימו לב כי התמונה מסובבת אופקית על הקו המחבר את הנקודות, כדי לתקנן אוריינטציה. שים סט של כוונת מופיע אוטומטית לשמש בשלב 2.6. אם המצע הוא יותר מ -1 ס"מ עמוק, לעשות תיקון עומק לאלגוריתם ידי לחיצה על "עומק המצע" כפתור. לחץ כדי למקם שתי נקודות בקנה מידה בקנה המידה הנדרשת. עבור ברדלס להגדיר סולם ב -10 ס"מ, להגדיר על הקופסה גורם קנה מידה. באמצעות התבניות בפינה הימנית של חלון הגרפיקה, להציב 25 נקודות ציון ברצף. נקודות ציון דרך מוגדרות נקודות אנטומיות על טביעת הרגל, למשל, אחוריים הקדמיים ביותר, נקודות לרוחב המדיאלי של כל בוהן לעקב. השתמש הכוונת לשיפור דיוק עבור משתמשים מתחילים. שימו לב הנחיה שמופיעה בחלקו העליון השמאלי של התמונה להראות רצף של נקודות. בחירה 'נקודות נגזרות' כדי ליצור רבע fr נקודות נוספתאום נקודות ציון הדרך. תהליך זה מגביר את מספר המשתנים זמינים לפיתוח האלגוריתם. השלם את כל שדות הנתונים עבור תמונת טביעת הרגל; ברדלס, מסלול, שביל, תאריך, שעה ונקודת מיקום (GPS). איור. 2 מופעים טיולי 2.2-2.8. לחץ על לחצן 'לצרף לשורה' לשלוח 136 משתנים תסריט (מרחקים, זוויות, שטחים) על שורה במסד הנתונים. חזרו על שלבי 2.1 כדי 2.9 כל העקבות עד המסד מאוכלס עם קואורדינטות XY לכל אתר ונקודה נגזרת וכל המשתנים שמחושבים את פליטות. העתק את כל השורות במסד הנתונים ולהדביק אותם מתחת מסד הנתונים. סט שכפול זה נקרא ערך ההפניה centroid (RCV) ומעשי לייצב את מודל טכניקה לזיהוי טביעה להשוואת pairwise הבאה של שבילי טביעת רגל. 3. פיתוח של אלגוריתם טכניקת זיהוי הטביעה עבור הברדלס <ol> Pairwise ניתוח מבחין חזק-תוקף צלב מהתפריט הראשי, בחר ופתח את חלון ניתוח pairwise הצולב תוקף החזק (איור. 3). מודל הטכניקה לזיהוי טביעת משתמשת מסווג כדי לקבוע את הסבירות של זוג השבילים השייכים לאותו אדם או שני אנשים שונים (איור. 4). לבצע השוואת pairwise של שבילי שימוש במאגר ההכשרה של אנשים הידועים כדלקמן: בחר ברדלס כמו 'x קלט, בקטגורית מודל', ושבילי כמו 'שבילי קלט'. עמודות y (מדידות טביעת רגל), כמו משתנה רציף, הם מיושבים באופן אוטומטי. בחר "הפעלה". שים סרגל התקדמות המראה את הניתוח מתבצע. להתבונן בטבלת הנתונים מראה את ההשוואות pairwise של שבילים. שים שתי יציאות, כאני שהוקציתי / שולחן שאינו עצמי לתאר את מרחק הסיווג בין כל נזוג alidation, וחלון מטריצות סיווג מראה השבילים השונים שנבחרו להשוואה, וההסתברות קונטור. שימו לב על כפתור הדוגמנית לגלות המציג את המשתנים ששימשו לכל השוואה, ותיבת מרחק סף שנותן את המרחק בין centroids. בחר בלחצן 'האשכולות' בבסיס השולחן עצמי / אי-העצמי המוקצה. שימו שתי טבלאות. התוכניות הראשונות מרחקים בין כל שני שבילים. השני הוא dendrogram 'אשכול' – התוצר הסופי לסיווגה של משתנים שנבחרו. דמיינו את אשכולות סיווג ידי לחיצה על כל סניף של dendrogram אל קוד צבע זה. לבדוק את הדיוק של סיווג על ידי שינוי מספר משתנים (מדידות) וההסתברות המתארת ​​(רווח הסמך סביב ערך centroid). Re-להמחיש את הנתונים באשכול dendrogram שנוצר באמצעות 18 משתנים (איור. 5 א). זה נותן את התחזית הנכונה של שבעברדלסים. 5b הדמוי (24 משתנה) & ג (10 משתנה) מציגים הערכות שונות של מספרי ברדלס שהושגו על ידי בדיקת תשומות משתנים קונטור הסתברות שונות. הערה: עקומת ההתפלגות עם סקלה נותנת את ההסתברות היחסית (סיכוי) של מספר החזה החל עם 100%. ככל סקל מועבר הסתברות היחסית לכל אומדן משני צדי הערך החזויים הוצג. איור 5D מראה את התוצאה עם 18 משתנה, עם סקלה נעה בכיוון אחד כדי להראות שסיכוי עשרה ברדלסים הוא פחות מ -50 %. בחר את האלגוריתם שנותן את הדיוק הגבוה ביותר באופן עקבי. התאם את ערך הסף לאפשר האלגוריתם כדי להיות מוגדר להפיק את התוצאה הטובה ביותר כי הוא אומדן למספר החיות המוכרים במסד הנתונים של ההכשרה (איור. 5 א). ניסוי ניסוי הפוך מלא עבור אימות <br /> אמת את האלגוריתם הוא המספר הצפוי של יחידים ושל הדיוק של סיווג האשכולות באמצעות ניסויי ניסוי הפוכים באופן אקראי לחלק הברדלס הבודד במערך לבדוק וערכות הדרכה (איור. 6). השלבים לשימוש הן כדלקמן: ממסד הנתונים של ההתייחסות, להחליט על מרווח מתאים המחיצות הרציפות של הבסיס הנתונים לתוך בגדלי בדיקה להגדיר את האימון. עבור מסד הנתונים ברדלס, השתמש מרווח כמו 4. אקראי לבחור ארבעה בני אדם כמו במערך הבדיקה (עוזב 34 ב להגדיר את האימון). הסתר את זהותם של יחידים הארבע בדיקה שנבחרו. לחץ על אפשרות "ניתוח נתוני Pairwise" ובחר כל השבילים לארבעת אנשי הבדיקה. לחץ על "הפעל" כדי להפעיל את הניתוח בטכניקת זיהוי טביעת רגל. הניתוח ייתן ניבוי עבור מספר אנשים בבסיס הנתונים של רישומי הבדיקה. לחזר תהליך זה תשע פעמים יותר (סה"כ 10), כלזמן בחירה אקראית ארבעה בני אדם. חשב את הערך החזוי הממוצע של גודל המבחן הזה (כלומר, ארבע). לאחר מכן לחזור על התהליך ברצף במשך שמונה אנשים שנבחרו באקראי (תלוי בגודל אינטרוולים) ולאחר מכן 12 וכן הלאה עם עשר חזרות לכל גודל בדיקה. חישוב ערך חזוי ממוצע לכל גודל בדיקה. באמצעות עלילת תוכנת גרפי גרף כפי שמוצג באיור. 6. הקו האדום מראה את גודל הבדיקה בפועל זמם נגד עצמי, הכוכביות הירוקות מציגות את המספר המשוער של אנשים עבור כל איטרציה ואת הקו הכחול מראה את הערכים החזויים מתכוון לכל גודל בדיקה. הקרבה של הקווים האדומים וכחולים מהווה אינדיקטור למידת הדיוק של הניתוח בטכניקת זיהוי טביעת רגל.

Representative Results

זיהוי אישי היכולת של טכניקת זיהוי הטביעה לסווג ברדלס פרט מותנית בשני גורמים, השימוש בפרוטוקול אוסף טביעת רגל סטנדרטי מודל סטטיסטי חדש המבוסס על ניתוח מבחין pairwise צולב תוקף עם ניתוח האשכולות של וורד. אלה הם הקלו על ידי ממשק משתמש גרפי משולב להדמיה נתונים (איור. 1). ציוד מינימלי נדרש, מה שהופך את הטכניקה הזו חסכונית (רשימת חומרים). נתונים שנאספו עם הטביעה כללו מספר ברדלסים, מספר תמונות טביעה שנאסף, מגוון של עקבות לכל ברדלס, מספר השבילים, מגוון של מסלולים לכל ברדלס וגיל-טווח של ברדלסים (טבלת 1). 781 עקבות (M: F 395: 386) השייכים 110 שבילים, מ -38 אנשים, נאספו עבור בסיס נתוני אימון טבלת 1 נותנת.סיכום של הנתונים שנאספו. באמצעות חלון הבלטת תכונות (האיור. 2) קבוצה של 25 נקודות ציון הצליח לייצר 15 נגזרו נקודות על כל תמונת טביעת רגל. מנקודות ציון דרך ונבע אלה 136 משתנים נוצרו עבור כל סימן עקב, המהווים מרחקים, זוויות ואזורים. כל שורה במסד הנתונים ולכן ייצגו את 136 משתנים שנוצר על ידי טביעת רגל אחת. Footprints עובד על ידי שובל. מספר משתנה של שורות מיוצגות כל שביל, סומן ככאלה. נתונים אלה שוכפלו לתוך טבלת הנתונים כישות ואז המכונית ערך הפנית centroid (RCV) שפועל כדי לייצב את השוואת pairwise של שבילים הכרחיים סיווג פרט. חלון הניתוח מנת לסחור בצורה חכמה (האיור. 3) נועד לעזור לאמת את הנתונים ו / או מבחן נתונים מאוכלוסיות ידועות. איור 4 מראה את התוצאה של השוואה מנת לסחור בצורה החכמה של שבילים מאותו individual (א) ושני אנשים שונים (ב) על פי המודל אישית טכניקה לזיהוי טביעת הרגל. המסווג שולב המודל בוסס על קיומו או אי קיומו של חפיפה בין האליפסות. ראוי לציין, כי הניתוח מבוצע עבור כל השוואה pairwise בנוכחות ישות שלישית, כלומר הערך centroid הפניה (RCV). באמצעות ניתוח מבחין-תוקף לחצות pairwise חזק עם ניתוח האשכולות של וורד, אלגוריתם נוצר כדי לספק סיווג יעיל של אנשים. אלגוריתם הטכניקה לזיהוי טביעה מבוסס על שלושה גופים מתכווננת; מספר המדידות בשימוש, גודל האליפסה (רווח בר סמך בשימוש), ואת ערך הסף הקובע את הערך החתוך עבור האשכולות. כל גורמים הנ"ל מותאם בתוכנה עד הדיוק הגבוה ביותר לסיווג מושג עבור אימון הקבוצה של בעלי חיים של זהות ידועה. זה אותו אלגורithm לאחר מכן ניתן להשתמש כדי לזהות ברדלסים ידועים. לדוגמא, דמויות 5a, B & C להראות dendrogram מדגם של שבילים משבעה ברדלסים מראה את התחזית הנכונה כאשר האלגוריתם הוא מותאם (א) וכאשר האלגוריתם הוא הכי מוצלח (B & C). ניסויי ניסוי הפוכים נערכו כדי לאמת את האלגוריתם נגזר להגדיר את האימון של יחידים 'ידועים'. אלה בוצעו ברצף על ידי שינוי היחס של ברדלסי תפאורת המבחן והכשרה. במקום חלוקת ברדלסים כדי מערכי הדרכה ובדיקה באופן שרירותי, ניתוחים בוצעו ברצף הגדלת גודל מערך בדיקה. עבור כל קבוצת בדיקה, 10 חזרות בוצעו עם להיבחר ברדלסים אקראיים עבור כל איטרציה. עבור כל קבוצת בדיקה, זה מותר ערך ממוצע להיות מחושב. איור 6. מראה את גודל הבדיקה משתנה זמם נגד עוצמה (אדום), ועל ציר y הערך החזוי עבור כל איטרציה גודל בדיקה (ירוקה) וממוצע חזה ערך לכל גודל בדיקה (כחול). העלילה מוכיחה כי גם כאשר גדל מערך בדיקה הוא גדל באופן משמעותי (n = 28) לעומת הגודל להגדיר את האימון (n = 10), ממוצע חזה הערך דומה לערך הצפוי. באמצעות מספר ניסויי ניסוי הפוך, את הדיוק של זיהוי פרט היה עקבי> 90% הוא במספר החזוי של יחידים, ולא פחות חשוב, הסיווג של שבילים, כלומר, אם השבילים מאותו האדם (שבילים עצמיים) לבין אלה של אנשים שונים (ללא תצוגה עצמי שבילים) מסווגים בצורה נכונה. Dendrogram אשכול המייצג את כל 38 ברדלסי הפרט מוצג (איור. 7). היו 110 שבילים, שהניבו סך של 5886 השוואות pairwise. מבין אלה, היו 46 misclassifications נותן דיוק של 99% (טבלה 2). # של ברדלסים # מתמונות טביעת רגל טווח של עקבות לכל ברדלס # של שבילים טווח של שבילים לכל ברדלס טווח גילאים (שנים) נקבות 16 386 12 – 36 55 2 – 5 2.5 – 8.5 זכרים 22 395 7 – 32 54 1 – 4 1 – 11 סה"כ 38 781 7 – 36 109 1 – 5 1 – 11 סיכום טבלת 1. נתונים שנאספו. מספר הברדלסים, את מספר תמונות טביעה שנאסף, בטווח של footprints לכל ברדלס, מספר שבילים, בטווח של שבילים לכל ברדלס ואת טווח-גיל ברדלסים. עצמי ללא עצמי סה"כ Misclassifications עצמי (N) 117 9 126 9 עצמי (%) 93 7 100 7 ללא עצמי (N) 37 5,723 5760 37 ללא עצמי (%) 1 99 100 1 סה"כ (N) – – 5886 46 סה"כ (%) </ Td> – – 100 1 טבלה 2. התפוקה ביתר תוכנת הטכניקה לזיהוי טביעה מציגה את סיווג השבילים המבוססים על השוואת pairwise. ה'עצמי 'מתייחס שבילים מאותו הפרט' הלא-עצמי ", השבילים מאנשים שונים. כל שביל הותאם נגד כל שביל אחר באמצעות מודל ניתוח מבחין צולב תוקף חזק אישית. 110 שבילי הביאו 5886 השוואות pairwise ואת דיוק הסיווג הכולל עמד על 99%. איור 1. חלון התפריט הראשי הפתיחה בטכניקת זיהוי טביעת רגל. זהו תוספת זיהוי תמונה לתוכנת נתונים להדמיה, נועדה לסווג עקבות ידי אינדי vidual, מין ממדרגה גיל ממדידות morphometric. ממשק משתמש גרפי מאפשר ניווט החלק בין אפשרויות שונות. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו. איור 2. החלון הבלטה התכונות. יכול לכלול גרור ושחרר תמונות, שינוי גודל אוטומטי אל החלון, סיבוב של תמונות עבור סטנדרטיזציה, פקטורינג עומק מצע, וכו 'נקודות ציון טרום שהוקצו מוצבים באופן ידני וליצור סדרה של נקודות נגזרו תסריט כדי לאפשר מיצוי של מדדים בצורת מרחקים, זוויות ואזורים. הפלט הוא בצורה של שורת נתוני מתן ordinates-שיתוף XY ואת המדדים.ה' "> לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו. איור 3. ניתוח נתוני Pairwise חלון בטכניקת זיהוי טביעת רגל. לאחר מסד נתונים של מדידות נוצרת, חלון הניתוח חכם הזוג נועד לסייע לאמת את הנתונים ו / או מבחן נתונים מאוכלוסיות ידועות. הניתוח מתבסס על מודל מותאם אישית שילוב ערך centroid מתמיד, הפניה (RCV), אשר משווה זוגות שבילים ברצף 16,17. התוצר הסופי הוא בצורה של dendrogram אשכול המספק ניבוי עבור מספר אנשים ומערכת היחסים בין השבילים. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו. <imalt G = "4 איור" src = "/ files / ftp_upload / 54,034 / 54034fig4.jpg" /> איור 4. השוואות Pairwise. האיור מציג את התוצאה של השוואה מנת לסחור בצורה חכמה של שבילים מאותו הפרט (א) ושני אנשים שונים (ב) בהתבסס על מודל מותאם אישית של תוכנת ויזואליזציה נתונים. המסווג שולב המודל בוסס על קיומו או אי קיומו של חפיפה בין האליפסות. ראוי לציין, כי הניתוח מבוצע עבור כל השוואה pairwise בנוכחות ישות שלישית, כלומר הערך centroid הפניה (RCV). נא ללחוץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו. איור 5. dendrogram מדגם של שבילים משבעה ברדלסים מראה את pred הנכוןiction כאשר האלגוריתם הוא מותאם (א) וכאשר האלגוריתם הוא הכי מוצלח (B & C). ד מראה את התוצאה עם 18 משתנה, עם סקלה נעה בכיוון אחד כדי להראות שסיכוי עשרה ברדלסים הוא פחות מ -50% . האלגוריתם מבוסס על שלושה גופים מתכווננת; מספר המדידות בשימוש, גודל האליפסה (רווח בר סמך בשימוש) ולבסוף, ערך הסף הקובע את הערך החתוך עבור האשכולות. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו. איור 6. ניסוי ניסוי הפוך בצע ברצף על ידי שינוי היחס של ברדלסי תפאורת המבחן והכשרה. במקום חלוקת ברדלסים לאימון ולבדוק seבאופן שרירותי TS, ניתוח בוצע ברצף הגדלת גודל מערך הבדיקה. עבור כל קבוצת בדיקה, עשר חזרות בוצעו עם להיבחר ברדלסים אקראיים עבור כל איטרציה. עבור כל קבוצת בדיקה, זה מותר ערך ממוצע להיות מחושב. האיור מציג את גודל הבדיקה משתנה זמם נגד עוצמה (אדום), ועל ציר y הערך החזוי עבור כל איטרציה גודל בדיקה (ירוק) לבין ממוצע חזה ערך לכל גודל בדיקה (כחול). העלילה מוכיחה כי גם כאשר גדל מערך בדיקה הוא גדל באופן משמעותי (n = 28) לעומת הגודל להגדיר את האימון (n = 10), ממוצע חזה הערך דומה לערך הצפוי. אנא לחץ כאן כדי להציג גרסה גדולה יותר של נתון זה. איור 7. Dendrogram מראה את התוצאה החזויה כשכל110 שבילים מ -38 ברדלסים כלולים בניתוח. הערה הנאמנות של השבילים להרכיב אשכולות. מעניין לציין, כי רבים של misclassifications היו בין להמלטה, למשל, ברדלס Letotse / דומא וינסנט / בונסאי. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

Discussion

מאמר זה מתאר את היישום התיאורטי של טכניקת זיהוי טביעה והפוטנציאל שלה כגישה חדשה וחסכונית, ידידותי קהילת הניטור, ומכאן עוזר לשמר צ'יטה. השלבים הבאים ביישום הרחב יותר של הכלי יהיו לבדוק אותן בשטח נרחב יותר עם אוכלוסיות ברדלס באזורי טווח.

טכניקת זיהוי הטביעה שונה מניסיונות קודמים לזהות אנשים מן העקבות במובנים מרכזיים; פרוטוקול אוסף טביעת רגל סטנדרטי וקפדן, תוכנת ממשק משתמש גרפית יעילה, האורינטציה ואופטימיזציה של תמונות לפני הניתוח, ואת מודל סטטיסטי חדש לסיווג.

ישנם מספר שלבים קריטיים הכרחי להצלחתה של הפרוטוקול. ראשית, שבילי חול חייבים להיות מוכנים כראוי החיה הובילה על פני החול בקצב הליכה נינוח נורמלי. כאשר הדמית טביעות הרגליים, photographer חייב להיות בדיוק מעל הראש של מרכז ההדפסה. לעתים קרובות כדאי להיות משקיף לבדוק זאת. לבסוף, חשוב מאוד כי הצלם (או עוזרים, אשר עשוי להיות גשש מומחה) תוכל לזהות טביעת רגל ברדלס על הקרקע, ויש להם את המיומנות כדי לעקוב אחר עקבות רגליים קדימה או אחורה לאורך הקו של נסיעות .

מעקב מיומנויות חיוניות יישום נוסף היעיל של טכניקה זו לניטור ברדלסים ידועים או בחינם יריעה. חוסר המיומנות יכול להוביל גביית עקבות מוגדרות היטב מספיק או בלבול בין השבילים של בעלי חיים שונים שעשויים לנסוע יחד. נקודה אחרונה זה חשוב במיוחד עבור ברדלסים, שבו גברים צעירים לפעמים קואליציות של 3 או יותר חיות שנעות יחד. עם זאת, חשש זה טופל לעוד יצורים חברתיים, הקרנף הלבן, שבו קבוצות של עד 13 איש נעות יחד היו כראוי מזוהותהמצוין על ידי טכניקת זיהוי טביעת הרגל באמצעות קדימה או אחורה מעקב של שבילים (Alibhai et al. 2008) 17.

אמנם יש כעת כמה נותרים עוקבים מומחה ילידים, מאמצים נעשים על מנת לעסוק איתם ולהעביר את כישוריהם כדי צעירים הקהילה שלהם. יוזמה אחת כזו, אקדמית המיומנויות עתיקות, תתארח על ידי N / a'an ku SE קרן בנמיביה. בדומה לכך, הצמיחה המהירה של תוכניות הסמכה אימון Tracker הוא מה שמאפשר למדענים וגם חובבי טבע ללמוד טכניקות שדה חיוניים אלה.

מיצוב המדריך המדויק של נקודות ציון על תמונות טביעת רגל הוא מרכזיית הדיוק של הטכניקה. שוב, מפעילים חייבים להכיר את האנטומיה הבסיסית של טביעת הרגל וכתוצאה מכך. המחברים כיום מנסים לפתח אוטומציה כדי למזער את עבודת הכפות המעורבות, ולסייע ביישוב חששות לגבי סטןdardization פני מפעילים שונים. בינתיים, מומלץ פשוט כי מיצוב ציון דרך בתחום אחריותו של מפעיל אחד בכל אתר שדה. נערכים מאמצים לעסוק מדענים אזרח לכידת נתונים וניתוח, אשר יגבירו עצומה-יישום בשטח. למרות המגבלות הנוכחיות אלה, פרוטוקול תוכנה זו נפרס בהצלחה בתחום עבור מגוון של מינים, כולל שחור קרנף לבן, טפיר השפלה ו אמאר נמר.

יש עבודה עם עקבות מגבלה אחת ברורה – המצע חייב להתיר הרושם הברור שלהם. הדפסים חלקיים או הדפסים באיכות ירודים לספק 32 פירוט דרוש. עם זאת, שטחים גדולים של מגוון ברדלס הם אידיאליים עבור אוסף סימן עקב, ועל שטחים קטנים אחרת מתאימים זה יכול להיות אפילו אפשר לעקוף מגבלה זו על ידי צבת שבילי חול המלאכותי לאסוף עקבות. רפידות רושם טביעה אלה יכולים לשמש ביעילות בשילוב עם caMera-מלכודות, למשל ב סימון תגובות / עצי ברדלס ידועים. מעקב מיומנויות וידע מקומי יכול מאוד לסייע באיתור וזיהוי תחומי המצע המתאים.

בגלל טכניקת זיהוי טביעת הרגל אינה פולשני, זה לא גורם לשום הפרעת האקולוגיה או ההתנהגות של החיה. מחקרים רבים הראו את פוטנציאל הסיכון ולקחת אמיתי של לכידה, חוסר תנועה, טיפול, והתאמה מכשור, העלות שהתהוותה מעשים כאלה, ואת הסיכון של איסוף 33 נתונים אמינים. יש זיהוי טביעה כטכניקת יתרון נוסף בניהול שימור. בהתבסס על מיומנויות מעקב מסורתיות, ובעלות יעילות, זה יכול לעסוק קהילות מקומיות לשולים בעבר בתהליכי ניטור שימור. סטנדר 34 ו Liebenberg 35 התייחסו באופן עצמאי העידו על מיומנויות ניטור שימור הערך כולל קבוצות אלה.

התפתחויות עתידיות יכולת טכניקת זיהוי טביעה לניטור ברדלס נמשכות, וכוללות וניסויי שדה למתן תוקף עם ברדלסים חינם יריעה, בניית אלגוריתמי גיל ממדרגה (כולל שינויים במורפולוגיה רגל של יחידים לאורך זמן) ובקרות מצע. המחברים גם חוקרים טכניקות ראייה ממוחשבת המאפשרות פילוח תמונה כדי לייעל דיוק ועקביות בסימון נקודות ציון דרך.

מאז עקבות הן אחד סימני חיה שמרווחים, ולעתים קרובות הרבה יותר קלות למצוא מאשר החיות עצמם, האימוץ הרחב יותר של זיהוי טביעת רגל יכול להיות משחק משתנה בניטור שימור. האזורים היבשתיים המוגנים העיקריים בעולם לקבל שמונה מוערך מיליארדים ביקורי פנאי לשנת 36. רוב האורחים כעת לשאת טלפונים חכמים. שימוש ביישום מפותח עבור WildTrack איסוף נתוני טביעת רגל יהיה פשוט ומהיר שעלול דוארffect ערכת נתונים של גודל מדגם תקדים בקנה מידה מרחביים. עם פרוטוקול איסוף נתונים חסכוני, טכניקת זיהוי הטביעה מסתגלת בקלות כדי להשתלב לתוך כל ארגז כלים לשימור. כמערכת סיווג תמונה, זה מודל חזק יכול להיות גם יישום, המשפטי הרפואי, ושדות-אכיפת החוק (למשל, נגד ציד בלתי חוקי).

Offenlegungen

The authors have nothing to disclose.

Acknowledgements

The authors would like to acknowledge the support of the N/a’an ku sê Foundation, Namibia; the JMP division (jmp.com) of SAS (sas.com) USA; Chester Zoo, U.K., Cheetah Conservation Botswana, Botswana; and Foundation SPOTS, Netherlands.

Materials

ITEM
Garden shovel
Garden rake
Substrate tamper
River or builders sand
Buckets
Watering can or sprayer
Digital camera
Paper for Photo ID slips http://wildtrack.org/citizen-science/photographing-footprints/
Carpenters' cm folding rule
Laptop or desktop computer
JMP software
The footprint identification technique add-in to JMP software

Referenzen

  1. Zanin, M., Palomares, F., Brito, D. What we (don’t) know about the effects of habitat loss and fragmentation on felids. Oryx. 49 (1), 96-106 (2015).
  2. Nowell, K. . Namibia cheetah conservation strategy. , 78 (1996).
  3. Stein, A. B., Aschenborn, O., Kastern, M., Andreas, A., Thompson, S. . Namibia Large Carnivore Atlas. , 12 (2012).
  4. Jewell, Z. C., Alibhai, S. K. . Identifying Endangered Species from Footprints. , (2013).
  5. Johnson, S., et al. Modeling the viability of the free-ranging cheetah population in Namibia: an object-oriented Bayesian network approach. Ecosphere. 4 (7), art 90 (2013).
  6. Purchase, G., Marker, L., Marnewick, K., Klein, R., Williams, S. . Regional assessment of the status, distribution and conservation needs of cheetahs in southern Africa. Status and conservation needs of cheetahs in southern Africa. , 44-46 (2007).
  7. Lindsey, P. A., et al. Determinants of persistence and tolerance of carnivores on Namibian ranches: Implications for conservation on southern African private lands. PLoS ONE. 8 (1), e52458 (2013).
  8. Mendelsohn, J. . Farming systems in Namibia; A publication for the Namibia National Farmers Union (NNFU). , (2006).
  9. Marker, L., Dickman, A., Wilkinson, C., Schumann, B., Fabiano, E. The Namibian cheetah: Status report. Cat News. 3, 4-13 (2007).
  10. Boast, L. K., Good, K., Klein, R. Translocation of problem predators: is it an effective way to mitigate conflict between farmers and cheetahs Acinonyx jubatus. in Botswana?. Oryx. (1365-3008), 1-8 (2015).
  11. Weise, F. J., Stratford, K. J., van Vuuren, R. J. Financial Costs of Large Carnivore Translocations – Accounting for Conservation. PLoS ONE. 9 (8), e105042 (2014).
  12. Marnewick, K., Funston, P. J., Karanth, K. U. Evaluating camera trapping as a method for estimating cheetah abundance in ranching areas. S. Afr. J. Wildl. Res. 38 (1), 59-65 (2008).
  13. Wachter, B., et al. The use of data from VHF and GPS radio-collared cheetahs to decrease conflicts between cheetahs and farmers in Namibia. 26, 556-567 (2006).
  14. Kelly, M. J. Computer-aided photograph matching in studies using individual identification: an example from Serengeti cheetahs. J. Mammal. 82 (2), 440-449 (2001).
  15. Jewell, Z. C., Alibhai, S. K., Law, P. R. Censusing and monitoring black rhino (Diceros bicornis.) using an objective spoor (footprint) identification technique. J. Zool. 254 (1), 1-16 (2001).
  16. Alibhai, S. K., Jewell, Z. C., Law, P. R. A footprint technique to identify white rhino Ceratotherium simum at individual and species levels. Endanger. Species Res. 4, 205-218 (2008).
  17. Gu, J., Alibhai, S. K., Jewell, Z. C., Jiang, G., Ma, J. Sex determination of Amur tigers (Panthera tigris altaica) from footprints in snow. Wildl. Soc. Bull. 38 (3), 495-502 (2014).
  18. Jewell, Z. C., Alibhai, S. K., Evans, J. W. Monitoring mountain lion using footprints: A robust new technique. Wild Felid Monitor. 7 (1), 26-27 (2014).
  19. Panwar, H. S. A note on tiger census technique based on pugmark tracings. Indian For. (Special Issue), 70-77 (1979).
  20. Sagar, S. R., Singh, L. A. K. Technique to distinguish gender of tiger (Panthera tigris) from pugmarks. Indian For. 117, 24-28 (1993).
  21. Lewison, R., Fitzhugh, E. L., Galentine, S. P. Validation of a rigorous track classification technique: identifying individual mountain lions. Biol. Conserv. 99 (3), 313-321 (2001).
  22. Smallwood, K. S., Fitzhugh, E. L. A track count for estimating mountain lion Felis concolor californica population trend. Biol. Conserv. 71 (3), 251-259 (1995).
  23. Scharis, I., Rasmussen, G. S. A., Laska, M. Using morphometrics to quantitatively differentiate African wild dog footprints from domestic dog footprints – a pilot study. Afr. J. Ecol. 54 (1), 3-8 (2015).
  24. Gore, A. P., et al. Tiger census: role of quantification. Curr. Sci. 64, 711-714 (1993).
  25. McDougal, C., Seidensticker, J., Christie, S., Jackson, P. You can tell some tigers by their footprints with confidence. Riding the tiger. , (1999).
  26. Sharma, S., Jhala, Y., Sawarkar, V. B. Gender discrimination of tigers by using their pugmarks. Wildl. Soc. Bull. 31 (1), 258-264 (2003).
  27. Sharma, S., Jhala, Y., Sawarkar, V. B. Identification of individual tigers (Panthera tigris) from their pugmarks. J. Zool. 267 (1), 9-18 (2005).
  28. Sharma, S., Wright, B. . Monitoring tigers in Ranthambore using the digital pugmark technique. , (2005).
  29. Riordan, P. Unsupervised recognition of individual tigers and snow leopards from their footprints. Anim. Conserv. 1 (4), 253-262 (1998).
  30. Law, P. R., Jewell, Z. C., Alibhai, S. K. Using shape and size to quantify variation in footprints for individual identification: case study with white rhino (Ceratotherium simum). Wildl. Soc. Bull. 37 (2), 4-33 (2013).
  31. Laity, K. M. . Field Validation of the Footprint Identification Technology on Free-roaming Cheetahs in Namibia. , (2015).
  32. Jewell, Z. Effect of monitoring technique on quality of conservation science. Conserv. Biol. 27 (3), 501-508 (2013).
  33. Stander, P. E., Ghau, I., Tsisaba, D., Oma, I., Vi, I. Tracking and the interpretation of spoor: a scientifically sound method in ecology. J. Zool. 242 (2), 329-341 (1997).
  34. Liebenberg, L., Blake, E., Steventon, L., Benadie, K., Minye, J. Integrating traditional knowledge with computer science for the conservation of biodiversity. , 26-30 (1998).
  35. Balmford, A., et al. Walk on the Wild Side: Estimating the Global Magnitude of Visits to 649 Protected Areas. PLoS Biol. 13 (2), e1002074 (2015).

Play Video

Diesen Artikel zitieren
Jewell, Z. C., Alibhai, S. K., Weise, F., Munro, S., Van Vuuren, M., Van Vuuren, R. Spotting Cheetahs: Identifying Individuals by Their Footprints. J. Vis. Exp. (111), e54034, doi:10.3791/54034 (2016).

View Video