An automated work-flow for pinniped surveys: A new tool for monitoring population dynamics

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: onr:"swepub:oai:gup.ub.gu.se/319338" > An automated work-f...

1 av 1
Föregående post
Nästa post
Till träfflistan

Infantes, EduardoUniversity of Gothenburg,Gothenburg University,Göteborgs universitet,Institutionen för biologi och miljövetenskap, Kristineberg,Department of Biological and Environmental Sciences, Kristineberg (författare)

An automated work-flow for pinniped surveys: A new tool for monitoring population dynamics

Artikel/kapitelEngelska2022

Förlag, utgivningsår, omfång ...

2022-08-11
Frontiers Media SA,2022

Nummerbeteckningar

LIBRIS-ID:oai:gup.ub.gu.se/319338
https://gup.ub.gu.se/publication/319338URI
https://doi.org/10.3389/fevo.2022.905309DOI
https://lup.lub.lu.se/record/a534adf0-3376-4f3f-b35f-83e8655e1644URI

Kompletterande språkuppgifter

Språk:engelska

Ingår i deldatabas

SwePubSwePub

Klassifikation

Ämneskategori:ref swepub-contenttype
Ämneskategori:art swepub-publicationtype

Anmärkningar

Detecting changes in population trends depends on the accuracy of estimated mean population growth rates and thus the quality of input data. However, monitoring wildlife populations poses economic and logistic challenges especially in complex and remote habitats. Declines in wildlife populations can remain undetected for years unless effective monitoring techniques are developed, guiding appropriate management actions. We developed an automated survey workflow using unmanned aerial vehicles (drones) to quantify the number and size of individual animals, using the well-studied Scandinavian harbour seal (Phoca vitulina) as a model species. We compared ground-based counts using telescopes with manual flights, using a zoom photo/video, and pre-programmed flights producing orthomosaic photo maps. We used machine learning to identify and count both pups and older seals and we present a new method for measuring body size automatically. We evaluate the population’s reproductive success using drone data, historical counts and predictions from a Leslie matrix population model. The most accurate and time-efficient results were achieved by performing pre-programmed flights where individual seals are identified by machine learning and their body sizes are measured automatically. The accuracy of the machine learning detector was 95–97% and the classification error was 4.6 ± 2.9 for pups and 3.1 ± 2.1 for older seals during good light conditions. There was a clear distinction between the body sizes of pups and older seals during breeding time. We estimated 320 pups in the breeding season 2021 with the drone, which is well beyond the expected number, based on historical data on pup production. The new high quality data from the drone survey confirms earlier indications of a deteriorating reproductive rate in this important harbour seal colony. We show that aerial drones and machine learning are powerful tools for monitoring wildlife in inaccessible areas which can be used to assess annual recruitment and seasonal variations in body condition.

Ämnesord och genrebeteckningar

NATURVETENSKAP Biologi hsv//swe
NATURAL SCIENCES Biological Sciences hsv//eng
NATURVETENSKAP Biologi Zoologi hsv//swe
NATURAL SCIENCES Biological Sciences Zoology hsv//eng
NATURVETENSKAP Biologi Ekologi hsv//swe
NATURAL SCIENCES Biological Sciences Ecology hsv//eng
drone monitoring
harbour seals (Phoca vitulina)
machine learning (ML)
marine mammal monitoring
population dynamics
somatic growth
wildlife conservation
wildlife management

Biuppslag (personer, institutioner, konferenser, titlar ...)

Carroll, DaireUniversity of Gothenburg,Gothenburg University,Göteborgs universitet,Institutionen för biologi och miljövetenskap, Kristineberg,Department of Biological and Environmental Sciences, Kristineberg (författare)
Silva, Willian T.A.F.Lund University,Lunds universitet,Gothenburg University,Göteborgs universitet,Institutionen för biologi och miljövetenskap, Kristineberg,Department of Biological and Environmental Sciences, Kristineberg,Centrum för miljö- och klimatvetenskap (CEC),Naturvetenskapliga fakulteten,Centre for Environmental and Climate Science (CEC),Faculty of Science(Swepub:lu)wi8835si (författare)
Härkönen, TeroMaritimas AB (författare)
Edwards, Scott V.University of Gothenburg,Gothenburg University,Göteborgs universitet,Institutionen för biologi och miljövetenskap, Kristineberg,Department of Biological and Environmental Sciences, Kristineberg,Harvard University (författare)
Harding, Karin C.,1968University of Gothenburg,Gothenburg University,Göteborgs universitet,Institutionen för biologi och miljövetenskap, Kristineberg,Department of Biological and Environmental Sciences, Kristineberg(Swepub:gu)xhardk (författare)
Göteborgs universitetInstitutionen för biologi och miljövetenskap, Kristineberg (creator_code:org_t)

Sammanhörande titlar

Ingår i:Frontiers in Ecology and Evolution: Frontiers Media SA102296-701X

Internetlänk

Hitta via bibliotek

Frontiers in Ecology and Evolution (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

1 av 1
Föregående post
Nästa post
Till träfflistan

Hitta mer i SwePub

Av författaren/redakt...: Infantes, Eduard ...; Carroll, Daire; Silva, Willian T ...; Härkönen, Tero; Edwards, Scott V ...; Harding, Karin C ...

Om ämnet

NATURVETENSKAP: NATURVETENSKAP; och Biologi

NATURVETENSKAP: NATURVETENSKAP; och Biologi; och Zoologi

NATURVETENSKAP: NATURVETENSKAP; och Biologi; och Ekologi

Artiklar i publikationen: Frontiers in Eco ...

Av lärosätet: Göteborgs universitet; Lunds universitet

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se