SIA “Meža īpašnieku konsultatīvais centrs” (MĪKC) iepazīstina ar jaunākajiem tehnoloģiskajiem risinājumiem savvaļas pārnadžu uzskaitei – kameru slazdiem, mikrofonu tīkliem, bezpilota lidaparātiem, kā arī briežu izsekošanu ar GPS raidītājiem. MĪKC tos izmēģina sadarbībā ar Vides risinājumu institūtu (VRI) un Latvijas Valsts mežzinātnes institūtu “Silava”.
Staltbrieži, stirnas, aļņi un mežacūkas ir Latvijā mītoši savvaļas pārnadži. Tie ir nozīmīgi un vērtīgi ekosistēmas dalībnieki, taču tie var radīt arī zaudējumus lauksaimniecībā un mežsaimniecībā. Nereti savvaļas dzīvnieki apdraud arī ceļu satiksmes drošību. Eiropā vidēji gada laikā savvaļā dzīvojoši pārnadži nokļūst 750 000 ceļu satiksmes negadījumos.
MĪKC attīsta inovatīvu metodi šo pārnadžu uzskaitei. Tās mērķis ir rast tehnoloģijās balstītu risinājumu dzīvnieku populācijas novērtēšanai, tādējādi palīdzot atbildīgajām iestādēm pieņemt lēmumus par dzīvnieku daudzuma kontroli (piemēram, nosakot medījamo dzīvnieku kvotas).
Ar pētījuma gaitu un jaunākajiem secinājumiem iepazīstināja VRI pētnieks Alekss Vecvanags.
Vides risinājumu institūta pētnieks Alekss Vecvanags.
VRI: Iepriekšējā pētniecības periodā (2020. gada aprīlis – jūnijs) veicāt mikrofonu tīklu izmēģinājumus. Identificējāt un detektējāt cilvēka radītas skaņas, lai noteiktu, vai mikrofonu tīkla datos tās ir uztvertas. Noteicāt arī skaņu radošā objekta atrašanās vietu. Kā turpinājusies pārnadžu uzskaites datu ievākšana, izmantojot mikrofonus?
Alekss Vecvanags (A.V.): Jā, iepriekš mikrofonu tīklu izmēģinājumus veicām, izmantojot cilvēku radītas skaņas, jo pārnadži ir klusi dzīvnieki, un tie trokšņo ļoti minimāli. Pārošanās periodā – rudenī (no augusta līdz oktobra sākumam), brieži un aļņi izdveš skaņas, lai pievilinātu mātītes un atbaidītu potenciālos konkurentus. Šis ir laiks, kad mikrofonu tīklu iespējams izmantot pētījumā.
Šobrīd esam uzsākuši divu veidu mikrofonu tīklu izmēģinājumus:
- mikrofonu izvietošanu režģī. Pētījuma teritorijā mikrofonus izvietojām pēc režģa principa. Tas ļauj noklāt lielu teritoriju, kurā var noklausīties briežu tēviņu baurošanas skaņas. Ja daļā mikrofonu šie bauri ir dzirdami, bet citos nav, tad pēc skaņas intensitātes un mikrofonu atrašanās vietas varam mēģināt noteikt aptuveno dzīvnieka atrašanās vietu;
- Triangulācijas testi. Pētījuma teritorijā izvietojām 3 mikrofonus ( aptuveni 300 m attāluma viens no otra) trijstūra formā. Tie savā starpā ir sinhronizēti ar GPS pulksteni (ar aptuveni 1 milisekundes kļūdu). Mikrofoni uztver dzīvnieka radītās skaņas. Pēc uztvertās skaņas laika atšķirībām, kas reģistrētas mikrofonos, varam aprēķināt dzīvnieka atrašanās vietu.
Video, kurā redzams brieža saucienu spektogrammas akustisko sensoru datos. Video: Vides risinājumu institūts.
VRI: Cik tālu esat tikuši ar kameras slazdu metodes pielietojumu un automatizēšanu?
A.V.: Kameras slazdu datu automatizācija joprojām ir procesā, bet esam jau soli tuvāk vēlamajam rezultātam. Esam optimizējuši datu ieguves procesu, lai tas varētu notikt automātiski. Iepriekš pētniekiem nācās aptuveni vienu reizi mēnesī apsekot mežos izvietotās kameras un datus pārnest manuāli. Tagad mūsu kameru slazdu sistēma datus piegādā attālināti uzreiz pēc dzīvnieka klātbūtnes reģistrēšanas un attēla vai video uzņemšanas.
Arī datu šķirošanai izstrādāta automatizēta metode. Līdz šim fokusējāmies uz liela datu daudzuma ievākšanu, kas mums ļāva izveidot datorredzes algoritmu – dziļās apmācības neironu tīklu. Šobrīd turpinām izstrādāt algoritmu, kas kameru slazdu ievāktos datus automātiski šķiros, identificējot uzņemtajos attēlos redzamos dzīvniekus.
Kameru slazdu video uzņēmums, kurā Rāmuļu apkārtnes purvā redzams briedis. Video: Vides risinājumu institūts.
VRI: Kā notika datorredzes algoritma apmācība un cik liels datu apjoms tam bija nepieciešams?
Darbs pie šī algoritma izstrādes ir laikietilpīgs process. Algoritmam nepieciešams dot ļoti daudz dažādu attēlu piemērus, kuros redzami pētāmie dzīvnieki – brieži, aļņi, stirnas un mežacūkas. Algoritma izstrādē sākotnēji izmantojām tiešsaistē pieejamās dzīvnieku attēlu datubāzes. Nākamajā solī izmantojām tieši Latvijas dzīvnieku attēlus, jo vienas sugas dzīvnieki, kas dzīvo dažādās teritorijās, vizuāli atšķiras. Šim nolūkam izmantojām Latvijas Valsts mežzinātnes institūta “Silava” pieejamos datus, kā arī šī pētījuma laikā ar kameru slazdiem uzņemtos attēlus. Jo vairāk datu un attēlu, jo datorredzes algoritma apmācība uzlabojas, tāpēc ir izdevīgi izmantot jau sagatavotas datubāzes ar miljoniem dzīvnieku attēlu.
VRI: Kā izvēlējāties vietas, kur izvietot kameru slazdus?
A.V.: Pētījuma sākumā kameru slazdus izvietojām dzīvnieku barotņu tuvumā, kur tie biežāk uzturas. Šādu izvēli izdarījām, jo sākumā bija nepieciešams veikt izmēģinājumus, lai saprastu, kā kameru slazdi darbojas, cik regulāri tie reaģē uz kustību u.c. parametrus. Mums arīdzan bija nepieciešams iegūt lielu datu apjomu, lai varētu apmācīt datorredzes algoritmu. Šobrīd esam uzsākuši kameru slazdu pārvietošanu uz dzīvnieku pārvietošanās ceļiem dažādos biotopos. Šie dati sniegs reprezentatīvu ieskatu par to, kur dzīvnieki labprāt uzturas. Tas mums palīdzēs uzsākt darbu pie dzīvnieku biotopu modelēšanas.
VRI: Kādi secinājumi izdarīti pēc kameru slazdu izmēģinājumiem?
A.V.: Esam novērojuši, ka pirmās 5 kameras, kuras iegādājāmies pētījuma sākumā, ieslēdzoties reizēm dzīvnieku izbiedē. Šobrīd mums ir divi pieņēmumi par to, kas šo dzīvnieku reakciju varētu izraisīt. Pirmais pieņēmums ir, ka dzīvnieka kustību rezultātā kameru slazds ieslēdzas. Šajā brīdī tiek izstarots tuvās infrasarkanās gaismas spektra starojums, kuru cilvēka acs neredz, bet, iespējams, dzīvnieks uz to reaģē. Savukārt otrs pieņēmums ir, ka kamera ieslēdzoties rada nelielu troksni. Skaņas dēļ dzīvnieks tiek izbiedēts, tāpēc tas maina pārvietošanās paradumus, izvēloties šajā konkrētajā vietā uzturēties retāk. Esam arī novērojuši – ja pēc šī trokšņa neseko nekas slikts, tad dzīvnieks pie tā pierod un netiek traucēts.
Izmēģinājumu laikā kameru slazdi darbojās, izmantojot ārējo bateriju akumulatoru enerģiju. Šobrīd esam izvēlējušies izmēģināt arī saules paneļus. Šāda pieeja samazinātu nepieciešamību apsekot kameru slazdus, lai veiktu bateriju vai akumulatoru nomaiņu. Šis risinājums arī samazinātu cilvēka klātbūtnes biežumu dzīvnieku apdzīvotajās teritorijās, tādējādi samazinot ietekmi uz pētījuma rezultātiem.
VRI: Iepriekšējā pētniecības periodā bija plānots, ka 2020. gada rudenī paplašināsiet kameru slazdu tīklu. Vai paplašināšanu veicāt un kāpēc tas bija nepieciešams?
A.V.: Šobrīd pētījumā palielinām kameru slazdu tīklu, iegādājoties vēl 24 kameras. Tās plānots izvietot dažādos mežu tipos ar dažādiem koku vecumiem, kas ļaus iegūt pilnīgākas datu kopas par dzīvnieku paradumiem. Ar to palīdzību pētīsim dzīvnieku pārvietošanos dažādos biotopos. Saprotot, kādās teritorijā dzīvnieki vislabāk uzturas, varēsim uzsākt darbu pie pētāmo dzīvnieku biotopu modelēšanas.
VRI: Cik bieži kameru slazdu datos izdodas redzēt dzīvniekus? Kādi dzīvnieki šajos datos redzami?
A.V.: Kameru slazdu izmēģinājumos, kurus veicām dzīvnieku barotņu tuvumā, diennaktī uzņemti aptuveni 20 – 50 video, kuros redzami pētījumā interesējošie pārnadži. To kameru slazdu ievākto datu daudzums, kurus izvietojām dzīvnieku pārvietošanās ceļu tuvumā, ir salīdzinoši mazāks, bet tas vairāk atspoguļo patieso dzīvnieku blīvumu konkrētajā teritorijā.
Kameru slazdu datos redzami dažādi dzīvnieki – gan mums interesējošie pārnadži, gan putni, lapsas, zaķi un citi dzīvnieki. Līdz šim interesantākais dzīvnieks, kura attēlu izdevies uzņemt kameru slazdu datos, ir lācis.
VRI: Cik bieži kameras slazdu datos redzami ar GPS raidītājiem aprīkotajām siksnām apsiksnotie brieži?
A.V.: Regulāri kameru slazdu datos redzama briežu govs Elmīra, kuru pavada viņas teļš. Pārējie trīs brieži, kurus pavasarī apsiksnojām ar GPS raidītājiem aprīkotajām siksnām, šobrīd neatrodas teritorijā, kurā izvietotas citas dzīvnieku uzskaites tehnoloģijas. GPS datos redzams, ka migrācija uz tālākām teritorijām notikusi vasarā. Ceram, ka līdz ar vēsākiem laika apstākļiem atgriezīsies arī trīs aizmigrējušie brieži.
Ar GPS raidītājiem aprīkoto briežu migrācija un atrašanās vieta 2020. gada 31. augustā. Ar sarkanu iezīmēts briežu govs Oļģertīnes, ar melnu briežu govs Elmīras, ar zaļu briežu govs Fionas un ar zilu teļa Fabiāna pārvietošanās ceļi. Attēls: Vides risinājumu institūts.
Ar GPS raidītājiem aprīkoto briežu migrācija un atrašanās vieta 2020. gada 31. augustā. Ar sarkanu iezīmēts briežu govs Oļģertīnes, ar melnu briežu govs Elmīras, ar zaļu briežu govs Fionas un ar zilu teļa Fabiāna pārvietošanās ceļi. Attēls: Vides risinājumu institūts.
VRI: Pētījumā izmantota arī drona tehnoloģija, kas, pārlidojot teritoriju, ievāc datus par dzīvniekiem. Kad plānots atsākt dronu pārlidojumus pār pētījuma teritoriju?
A.V.: Vasarā šo pārlidojumu loma pētījumā samazinās, jo dzīvnieki slēpjas zem koku lapotnēm un ir ieraugāmi tikai atklātās vietās. Dronu datu ievākšanu plānojam atsākt rudens beigās. Tad kokiem būs nobirušas lapas un termālajos datos uz aukstā fona siltie dzīvnieki vairāk izcelsies.
VRI: Kādi ir nākamie tuvākie pētījuma plāni?
Galvenie nākamā perioda plāni ir izvietot visu pilno 30 kameru slazdu tīklu teritorijā tā, lai mēs varētu reprezentatīvi pētīt visus meža tipus izvēlētajā eksperimenta teritorijā, kā arī sākt datu plūsmas automatizāciju. Pēc tam turpināsim datu ievākšanu, un, kad būs pagājis pietiekami ilgs laiks un ievākti pietiekami daudz dati, sāksim dzīvnieku populācijas lieluma modelēšanu un vides, sezonalitātes, un citu faktoru ietekmju pētīšanu.
Rudens sezonā atsāksim arī drona lidojumus virs pētījuma teritorijas. Šī metode mums palīdzēs iegūt papildu informāciju par dzīvnieku novietojumu teritorijā gan telpiskajā, gan laika skalā. Tas savukārt ļaus salīdzināt kameras slazdu datus ar drona datiem.
Pētījums tiek veikts projekta “IKT balstīta savvaļas dzīvnieku uzskaites pieeja to ilgtspējīgai pārvaldībai” (Nr.1.1.1.1/18/A/146) ietvaros. Projektu atbalsta Eiropas Reģionālās attīstības fonds programmas “Izaugsme un nodarbinātība” 1.1.1. specifiskā atbalsta mērķa “Palielināt Latvijas zinātnisko institūciju pētniecisko un inovatīvo kapacitāti un spēju piesaistīt ārējo finansējumu, ieguldot cilvēkresursos un infrastruktūrā” 1.1.1.1. pasākuma “Praktiskas ievirzes pētījumi” ietvaros.
