| 1. |
- Hentati-Sundberg, Jonas, et al.
(author)
-
Seabird surveillance: combining CCTV and artificial intelligence for monitoring and research
- 2023
-
In: Remote Sensing in Ecology and Conservation. - : Wiley. - 2056-3485. ; 9:4, s. 568-581
-
Journal article (peer-reviewed)abstract
- Ecological research and monitoring need to be able to rapidly convey information that can form the basis of scientifically sound management. Automated sensor systems, especially if combined with artificial intelligence, can contribute to such rapid high-resolution data retrieval. Here, we explore the prospects of automated methods to generate insights for seabirds, which are often monitored for their high conservation value and for being sentinels for marine ecosystem changes. We have developed a system of video surveillance combined with automated image processing, which we apply to common murres Uria aalge. The system uses a deep learning algorithm for object detection (YOLOv5) that has been trained on annotated images of adult birds, chicks and eggs, and outputs time, location, size and confidence level of all detections, frame-by-frame, in the supplied video material. A total of 144 million bird detections were generated from a breeding cliff over three complete breeding seasons (2019–2021). We demonstrate how object detection can be used to accurately monitor breeding phenology and chick growth. Our automated monitoring approach can also identify and quantify rare events that are easily missed in traditional monitoring, such as disturbances from predators. Further, combining automated video analysis with continuous measurements from a temperature logger allows us to study impacts of heat waves on nest attendance in high detail. Our automated system thus produces comparable, and in several cases significantly more detailed, data than those generated from observational field studies. By running in real time on the camera streams, it has the potential to supply researchers and managers with high-resolution up-to-date information on seabird population status. We describe how the system can be modified to fit various types of ecological research and monitoring goals and thereby provide up-to-date support for conservation and ecosystem management.
|
|
| 2. |
- Olin, Agnes, et al.
(author)
-
Förekomst av fisk och större kräftdjur på Västerhavets grunda mjukbottnar : kartering baserad på fallfälleprovtagning
- 2023
-
Reports (other academic/artistic)abstract
- I denna rapport sammanställer vi provfiskedata från Öresund, Kattegatt och Skagerrak, insamlade med fallfällor 2004–2019, och använder dessa data för att kartlägga habitat för fisk och större kräftdjur på grunda mjukbottnar (0−1 m). Vi fokuserar på åtta arter, inklusive årsyngel av två arter av plattfisk (rödspätta och skrubbskädda), ett antal mindre fiskarter (sandstubb, lerstubb, storspigg och tångsnälla) samt två arter av större kräftdjur (strandkrabba och sandräka). I rapporten beskriver vi tillgängliga dataset, presenterar tidsserier från de platser där upprepad provtagning har skett, och kartlägger utbredningen av de inkluderade arterna. Genom att kombinera fallfälledatat med heltäckande kartor över viktiga miljövariabler (salthalt, vågexponering, bottnens lutning), bygger vi habitatmodeller som vi använder för att prediktera sannolikheten för förekomst av de olika arterna vid grunda bottnar längs hela västkusten. Modellerna fungerar bra för att prediktera förekomst inom de områden där insamlade data finns, och visar på tydliga rumsliga mönster hos flera av arterna. Dock är prediktionerna osäkra för de områden där data inte finns att tillgå. Då fallfällor provtar ett viktigt habitat (grunda mjukbottnar) där det är ont om kunskap om utbredningen av fiskar och kräftdjur kan både det sammanställda datasetet och kartprediktionerna fungera som viktigt underlag i förvaltningen av dessa habitat i de områden där data finns att tillgå.
|
|
