การสังเกตสัตว์ที่อาศัยอยู่เป็นกลุ่มด้วยโดรนและคอมพิวเตอร์วิทัศน์

เพื่อสำรวจกลุ่มสัตว์ เช่น ม้าลายหรือลิงเจลาดา Ben Koger, Blair Costelloe, Iain Couzin และนักวิจัยคนอื่นๆ จากสถาบัน Max Planck Institute of Animal Behavior, the "Centre for the Advanced Study of Collective Behaviour" (CASCB) แห่งมหาวิทยาลัย Konstanz และมหาวิทยาลัย Aarhus พัฒนาวิธีการใหม่ในการรวบรวมข้อมูลเกี่ยวกับพฤติกรรมของสัตว์และภูมิทัศน์ทางกายภาพตามธรรมชาติโดยรอบของสัตว์โดยใช้โดรนและคอมพิวเตอร์วิทัศน์ นักวิจัยใช้โดรนถ่ายภาพเพื่อบันทึกภาพสัตว์ทั้งกลุ่มในสภาพแวดล้อมธรรมชาติ แบลร์ คอสเตลโล นักนิเวศวิทยาด้านพฤติกรรมอธิบายวิธีการนี้ว่า "เราสร้างท่อส่งวิเคราะห์ที่ช่วยให้เราถ่ายภาพจากโดรนทางอากาศและดึงข้อมูลเกี่ยวกับตำแหน่ง การเคลื่อนไหว และพฤติกรรมของสัตว์ต่างๆ เราสามารถวัดการกระจายเชิงพื้นที่และสถานะพฤติกรรมของพวกมัน และรับข้อมูลที่สมบูรณ์ เกี่ยวกับสภาพแวดล้อม รวมถึงโครงสร้าง 3 มิติของสิ่งแวดล้อม" นำการติดตามจากห้องปฏิบัติการมาสู่ภาคสนาม ก่อนหน้านี้นักวิจัยส่วนใหญ่ได้รับชุดข้อมูลที่มีความแม่นยำสูงเกี่ยวกับไดนามิกของกลุ่มสัตว์ในสภาวะของห้องปฏิบัติการที่มีการควบคุมสูง ซึ่งคุณสามารถทำการทดลองซ้ำแล้วซ้ำอีก แต่ทีมงานถามตัวเองว่า: "เราสามารถใช้โดรนถ่ายภาพและอัลกอริทึมคอมพิวเตอร์ใหม่เพื่อใช้แนวทางห้องปฏิบัติการเดียวกัน แต่นำพวกมันเข้าสู่ภูมิประเทศตามธรรมชาติได้หรือไม่" เป็นไปได้ แต่ความท้าทายหลายอย่างต้องได้รับการแก้ไข: "เรามักจะบันทึกบุคคลที่แตกต่างกัน 20 คนขึ้นไปในแต่ละครั้ง การหาปริมาณว่าบุคคลแต่ละคนอยู่ที่ใดในการสังเกตการณ์ทางวิดีโอเพียงครึ่งชั่วโมง เนื่องจากมนุษย์อาจใช้เวลาหลายสัปดาห์" เบ็น โคเกอร์อธิบาย "ความท้าทายแรกคือเราจะตรวจจับสัตว์ที่เราสนใจโดยอัตโนมัติได้อย่างไร" วิธีแก้ไขคือการฝึกอัลกอริธึมการเรียนรู้เชิงลึกที่ทรงพลัง ความท้าทายประการที่สอง: นักวิจัยสนใจการเคลื่อนไหวของสัตว์ แต่วิดีโอที่พวกเขาบันทึกนั้นไม่ได้มีแค่การเคลื่อนไหวของสัตว์เท่านั้น แต่ยังรวมถึงการเคลื่อนไหวของ โดรน และการบิดเบือนจากภูมิประเทศที่เป็นเนินเขาที่พวกเขาถ่ายทำด้วย องค์ประกอบต่าง ๆ ทั้งหมดจำเป็นต้องได้รับการแก้ให้หายยุ่งก่อนจึงจะได้ข้อมูลที่มีความหมาย ข้อดีของวิธีการใหม่ Koger กล่าวว่า "พลังของวิธีการที่ใช้รูปภาพของเราคือมันเป็นโซลูชันทั่วไป เนื่องจากโดรนไม่เพียงแต่สังเกตการณ์กลุ่มสัตว์เท่านั้น แต่ยังรวมถึงภูมิประเทศด้วย คุณจึงได้รับชุดข้อมูลที่กว้างมาก ซึ่งรวมถึงข้อมูลเกี่ยวกับบริบททางสังคมและสิ่งแวดล้อมของสัตว์ทั้งหมดในกลุ่มที่สังเกตการณ์ สิ่งนี้เกิดขึ้นได้เนื่องจากสร้างแบบจำลองภูมิทัศน์ 3 มิติที่พวกเขากำลังบันทึกอย่างชัดเจน ซึ่งหมายความว่าวิธีนี้สามารถใช้ได้ในภูมิประเทศแบบเปิด และช่วยให้นักวิจัยสามารถตรวจสอบผลกระทบของที่อยู่อาศัยที่มีต่อพฤติกรรมได้อย่างชัดเจน “นั่นเป็นวิธีที่มีประสิทธิภาพมาก ซึ่งจนถึงตอนนี้ยังเป็นเรื่องยากมาก” แบลร์ คอสเตลโลกล่าว ข้อดีอีกประการหนึ่งซึ่งไม่เหมือนกับวิธีอื่นๆ ทั่วไปคือ สัตว์ไม่จำเป็นต้องถูกจับและติดตั้งเซ็นเซอร์ตรวจจับการเคลื่อนไหว ซึ่งอาจเป็นขั้นตอนที่มีความเสี่ยงและมีราคาแพง ศักยภาพในการใช้งาน ประชากรสัตว์ป่าทั่วโลกกำลังลดลงเนื่องจากการสูญเสียที่อยู่อาศัย การเปลี่ยนแปลงของสภาพอากาศ และภัยคุกคามอื่นๆ การเรียนรู้เพิ่มเติมเกี่ยวกับพฤติกรรมของกลุ่มสัตว์ในสภาพแวดล้อมทางธรรมชาติที่ซับซ้อนสามารถช่วยแจ้งการดำเนินการอนุรักษ์ และยังสร้างข้อมูลเชิงลึกใหม่ ๆ เกี่ยวกับชีวิตและพฤติกรรมของสัตว์ป่า ในบทความตีพิมพ์เมื่อวันที่ 22 มีนาคมในJournal of Animal Ecologyทีมงานได้สรุปขอบเขตของการวิจัยบางอย่าง ซึ่งวิธีการของพวกเขามีศักยภาพสูงในการสร้างข้อมูลเชิงลึกใหม่ๆ เช่น กระบวนการทางพฤติกรรมที่อาศัยสื่อกลางเชิงพื้นที่ พฤติกรรมร่วมของสัตว์หลายตัว และปฏิสัมพันธ์ระหว่างสัตว์กับสิ่งแวดล้อม บทความนี้รวมถึงกรณีศึกษาเกี่ยวกับม้าลายของ Grevy ในเคนยาและลิงเจลาดาในเอธิโอเปีย Blair Costelloe กล่าวว่า "จุดแข็งอย่างหนึ่งของวิธีการของเราคือสามารถปรับให้เข้ากับสายพันธุ์และสภาพแวดล้อมต่างๆ ได้ นั่นคือเหตุผลที่เธอมองในแง่ดีสำหรับการใช้วิธีใหม่: "ฉันคิดว่ามีความเป็นไปได้ที่วิธีนี้จะช่วยเราในการพัฒนาความเข้าใจกลไกมากขึ้นว่าพฤติกรรมของแต่ละบุคคลสร้างปรากฏการณ์ลำดับสูงกว่าที่น่าสนใจสำหรับการอนุรักษ์อย่างไร" คอสเตลโลกล่าว ดังนั้น,