Kamerafælder og andre billige datakilder informerer om økologistudier og bevaringsbestræbelser

En ny model udviklet af MSU-forskere udvinder mere information end nogensinde fra kamerafælder og andre billige datakilder for at hjælpe med at informere økologiundersøgelser og bevaringsindsatsen

Økologer fra Michigan State University har udviklet en matematisk ramme, der kan hjælpe med at overvåge og bevare biodiversiteten uden at bryde banken.

Denne ramme eller model tager billige data om relativt rigelige arter i et samfund og bruger dem til at generere værdifuld indsigt om deres naboer, der er sværere at finde. Tidsskriftet Conservation Biology publicerede forskningen som en Early View-artikel den 25. august.

"En af de største udfordringer ved overvågning af biodiversitet er, at de arter, du er mest bekymrede for, har en tendens til at være lavest i overflod, eller de er de sværeste arter at observere under dataindsamling," siger Matthew Farr, hovedforfatter på den nye rapport. . "Denne model kan være virkelig nyttig for de sjældne og undvigende arter."

Farr, nu postdoc-forsker ved University of Washington, hjalp med at udvikle modellen som doktorand i Elise Zipkins Quantitative Ecology Lab i College of Natural Science ved MSU.

"Der er mange arter i verden, og mange af dem mangler data," sagde Zipkin, en lektor i integrativ biologi og direktør for MSU's Ecology, Evolution and Behavior Program, eller EEB. "Vi udvikler tilgange til hurtigere at vurdere, hvad der foregår med biodiversitet, hvilke arter der er i problemer, og hvor rumligt skal vi fokusere vores bevaringsindsats."

Efter at have valideret modellen med en hjælp fra skovlevende antiloper i Afrika, siger forskerne, at den kunne anvendes på en række andre dyr, der opfylder visse kriterier.

"Modellen virker ikke for alle typer arter. Det er ikke et vidundermiddel," sagde Zipkin. "Men når det virker for et samfund, kan vi lære meget mere om medlemsarter uden meget data."

Modellens 'magi'

For sin nyeste model fokuserede Zipkins team på det, der kaldes detektion-ikke-detektionsdata, der sporer, hvorvidt et givent dyr er detekteret i et givet habitat, hvilket typisk kun tillader estimering af arternes forekomst eller distributionsmønstre.

"Det er dybest set de billigste data og de nemmeste at indsamle," sagde Zipkin. "Du går til et sted, venter og ser, hvilke dyr der er og behøver kun at registrere, hvilke arter der ses."

Forskere indsamler disse data visuelt personligt eller med billige, bevægelsesdetekterende kamerafælder, der tager billeder, når de udløses af et dyr. Forskere analyserer derefter billederne for at registrere detektion-ikke-detektionsdata over tid.

Der er dog afvejninger. Selvom det er relativt billigt og nemt at indsamle, giver detektions-ikke-detektionsdata ikke så meget information, som forskere og naturbeskyttelsesfolk ønsker. Historisk set har det krævet intensive observationstilgange såsom mærkning og sporing af dyr.

"Intensiv sporing lader os beregne alle mulige ting om dyr og deres samfund, men disse data er dyre og svære at få," sagde Zipkin. "For visse arter er det umuligt."

MSU-teamet indså, at de for de rigtige dyr kunne bruge en forståelse af dyreadfærd og statistik til at lukke informationskløften ved at presse mere indsigt ud af detektion-ikke-detektionsdata.

"For nogle arter er disse de bedste data, du kan få," sagde Farr. "Nu kan vi få mere ud af det. Vores model giver mulighed for estimering af overflodstendenser, reproduktionsrater og arters overlevelsessandsynligheder – alt sammen ved hjælp af kun detektions-ikke-detektionsdata."

Det lyder måske som magi – nogle af Zipkins kolleger har endda sagt det – men der er ikke noget overnaturligt ved modellen. Ligesom meget af videnskaben er det resultatet af hårdt arbejde, samarbejde og bygning på tidligere indsats på området.

Historien om den nye model har sine rødder i 2003 med forskerne J. Andrew Royle og James D. Nichols. Duoen udtænkte en matematisk sammenhæng mellem en arts overflod og sandsynligheden for at opdage den.

På det tidspunkt var Royle forsker hos U.S. Fish and Wildlife Service, og Nichols var hos U.S. Geological Survey. Begge er MSU-alumner:Royle dimitterede med sin bachelorgrad i 1990 og Nichols fik sin doktorgrad i 1976.

"Det er interessant," sagde Farr, hvis nuværende rådgiver, Sarah Converse, også dimitterede med en bachelorgrad fra Michigan State, før hun blev lektor ved University of Washington. "Hvor end du går inden for dette felt, har folk en eller anden forbindelse til Michigan State."

Efter at have udgivet Royle-Nichols-modellen sluttede Royle sig til USGS, hvor han arbejdede med Zipkin, før hun kom til MSU i 2014. I 2016 udviklede Zipkins team Royle-Nichols-modellen for at estimere ting som overlevelses- og reproduktionsrater for en enkelt person arter, der bruger den sprossede ugle som et casestudie.

Farr arbejdede i Zipkins laboratorium med støtte fra National Science Foundation og tog det næste skridt ved at forbinde populationsdynamikken for forskellige arter inden for de samme samfund.

"Modellen lader information fra mere almindelige arter informere om, hvad der sker med de sjældne og undvigende arter," sagde Farr. "Modellen er afhængig af fællestræk mellem arter, men giver stadig mulighed for variationer."

For at udvikle modellen var holdet nødt til at gøre nogle antagelser, såsom at målarterne var territoriale og ikke rejste meget. Forskerne skulle derefter finde rigtige arter, der passede til disse antagelser for at validere deres model.

"Vi vidste, at det ville fungere for visse typer fællesskaber, men eksisterede disse fællesskaber i det virkelige liv?" sagde Zipkin.

"Det er en af ​​de største udfordringer i modeludvikling," sagde Farr. "Du udvikler modellen i et vakuum med simuleringer, der kører under perfekte forhold. Du skal vise, hvad den kan i en situation i den virkelige verden."

"Det var da, Tim O'Brien rakte ud og sagde:'Jeg har dine dyr'," sagde Zipkin.

Duiker-dataene

Timothy O'Brien er en pensioneret økolog i Kenya, som arbejdede med Wildlife Conservation Society, en ikke-statslig organisation eller NGO, og en ekspert i kamerafælder. Som en del af det, der er kendt som Tropical Ecology Assessment and Monitoring-programmet eller TEAM, har han hjulpet med at standardisere, hvordan kamerafælder bruges til at gøre deres data så kraftfulde som muligt.

Han var bekendt med Zipkins arbejde fra 2016 og erfarede, at hun udvidede modellen til at omfatte flere arter over flere sæsoner. Han havde mistanke om, at skovlevende antiloper, især dem kendt som duiker, ville være den perfekte testcase.

Ikke alene matchede duikers adfærd modellens antagelser, men O'Brien havde i årevis hjulpet med at overvåge dyrene ved hjælp af kamerafælder. Duikers fremlagde en interessant og vigtig fredningssag.

"Duikerne, der lever i regnskove, de er det mest eftertragtede bushmeat i Afrika," sagde O'Brien. "Hvis duikerbestanden er i tilbagegang, er det normalt på grund af folk, der jager efter bushmeat."

Bushmeat er kød fra ethvert vildt dyr, og det er en vigtig føde- og indtægtskilde for mange samfund. Men jagten er løst reguleret og er økonomisk incitamenteret af markeder, der sælger bushmeat. Kombinationen kan være ødelæggende for duiker-populationer.

Med MSU's model og TEAM's duiker-data vurderede holdet populationsdynamikken for i alt 12 antilopearter - nogle mere rigelige end andre - i seks nationalparker i Afrika, hvor duikere er beskyttet. Dataene dækkede tidsperioder fra fire til 11 år.

"Vi så ikke niveauet af befolkningsnedgang i duiker, du forventer at se, når jagt er et problem," sagde O'Brien. "Jeg vil sige, at parkerne opfylder deres funktion, hvad duiker angår."

Samlet set var duikerpopulationerne for det meste stabile, men forskerne opdagede befolkningsfald i omkring 20 % af kombinationerne af arter og parker, som de undersøgte. Igen var faldene ikke så store, at de tyder på, at duikeren blev overjaget i parkerne, men forskerne ønsker stadig at forstå, hvad der sker i disse tilfælde.

"Vi fandt ud af, at det var det, der forårsagede ændringerne, mere var forskellene mellem parkerne end mellem arterne," sagde Zipkin. "Vi har ikke udpeget de nøjagtige årsager endnu, men vores resultater kan hjælpe os med det."

"Matt og Elise har taget denne model til et helt nyt fly," sagde O'Brien. "Jeg har virkelig nydt samarbejdet."

Charles Yackulic, en forskningsstatistiker ved USGS, var også bidragyder til projektet, som blev støttet af NSF, WCS, Conservation International, Smithsonian Institution og Gordon and Betty Moore Foundation.

"Dette projekt er et godt eksempel på et universitet, en regering og NGO'er, der arbejder sammen," sagde Zipkin. + Udforsk yderligere

Nyt værktøj til at opdage artsfald kan hjælpe med at beskytte biodiversiteten