Drone-borne monitoring of moose
Mayer, Martin; Vogler, Thomas; Ausilio, Giorgia; Kirchner, Theresa; Mathisen, Karen Marie; Evans, Alina L.; Eriksen, Ane; Heurich, Marco; Naumov, Vladimir; Wabakken, Petter; Zimmermann, Barbara
Research report
Permanent lenke
https://hdl.handle.net/11250/3115853Utgivelsesdato
2024Metadata
Vis full innførselSammendrag
Norsk:
Droner er en lovende ny teknologi for overvåking av viltbestander. I dette prosjektet evaluerte vi bruken av droner som et verktøy for overvåking av elg (Alces alces) populasjoner og beiting i den skandinaviske boreale skogen. Spesifikt forsøkte vi å finne de beste deteksjonsforholdene for elg og kalvene deres i boreal skog, som vi deretter brukte til å estimere elgpopulasjonstettheten i et gitt område som et konseptbevis. Videre evaluerte vi om og ved hvilken observasjonshøyde elg ble forstyrret av dronen, og om elgens beitetrykk på barskogtrær kan identifiseres ved hjelp av droner. Vi brukte først dronen 'DJI Mavic 2 Enterprise Dual' for å teste oppdagbarheten til GPS-merkede elgekuer og deres kalver. Dronen ble programmert til å fly til den siste kjente GPS-posisjonen til elgen ved 100 m høyde. Hvis elgen ble oppdaget fløy vi dronen rett over den og senket deretter dronen gradvis til 70, 50, 30 og 20 m høyde og noterte ved hvilken høyde eventuelle kalver ble oppdaget. I tillegg kvantifiserte vi hvordan nærheten av drone påvirket elgens atferd (n = 24 GPS-merkede individer) sammenlignet med forsøk der personer nærmet seg GPS-merkede elgkuer på bakken for å oppdage elgkalver. Gjennomsnittlig tid brukt på tilnærmingsforsøk med drone var 17 minutter sammenlignet med 97 minutter for tilnærminger på bakken, med høyere oppdagbarhet for droner (95% av elgkuer og 88% av elgkalver) sammenlignet med tilnærminger på bakken (78% av elgkuer og 82% av kalver). Oppdagbarhet av elgkalver økte ved lavere dronehøyder (50-70 m), mens alle voksne elger ble oppdaget ved 100 m (unntatt to individer som hadde flyttet seg fra området før forsøket ble gjennomført). Elgkuer forlot stedet i 35% av tilnærminger med drone sammenlignet med 56% av tilnærminger på bakken. Vi klarte ikke å finne effekter av droneforsøkene på elgens områdebruk, men elgen beveget seg over 4 ganger større avstander og brukte større område i løpet av 3 timer etter bakkenærmingene sammenlignet med etter droneforsøk. Etter å ha fastslått at en flyhøyde på 100 m ga god oppdagbarhet av elg med minimal forstyrrelse, evaluerte vi deteksjonsforholdene for elg mer detaljert ved hjelp av dronen 'DJI Matrice 300 RTK' med et 'Zenmuse H20T' kamera. Totalt fløy vi 33 gridflygninger over 11 GPS-merkede hunnelger. I 26 av disse flyvningene (79%) var elgen innenfor rutenettet. Av disse 26 elgene oppdaget vi 20 elger, tilsvarende en deteksjonsrate på 77%. Sannsynligheten for å oppdage en elg tenderte til å være større i overskyet sammenlignet med solrike forhold, men ble ikke påvirket av andre faktorer (temperatur, skogtype, tetthet av tredekket). Deretter gjennomførte vi 34 gridflygninger om høsten for å finne elg som ikke var GPS-merket og estimere lokal elgtetthet. Vi oppdaget elg i 9 av de 34 flyvningene, totalt 20 individer, tilsvarende 1,24 elger per km2 basert på rå-observasjonene. Vi oppdaget sannsynligvis 75-90% av alle elger gitt at forholdene var mer gunstige på grunn av kaldere temperaturer og mindre solskinn sammenlignet med flyvningene over GPS-merkede elger. Dette tilsvarer en høsttetthet på 1,38 - 1,65 elger per km2 og en sommertetthet på 1,49 - 1,84 elger per km2. Disse estimerte elgtetthetene fra våre droneflyvninger stemte godt overens med elgtetthetsberegninger fra elgmøkktellinger gjennomført to år tidligere. Til slutt evaluerte vi mulige metoder for å estimere elgens beiteskader i unge barskogbestander, noe som vil være utfordrende å oppnå. Oppsummert var drone svært effektivt for å oppdage voksne elger og kalvene deres i den boreale skogen, og var raskere og mindre forstyrrende enn tilnærminger på bakken. Videre antyder resultatene våre at overvåking med droner kan gi svært pålitelige tetthetsestimater for elgbestander, i det minste i små områder, og kan være nyttige for å estimere beiteskader. Vi diskuterer hvordan funnene våre kan iverksettes på en større skala for forbedret elgforvaltning i hele Skandinavia. English:
Drones are a promising new technology for the monitoring of wildlife populations. In this project, we evaluated the use of drones as a tool to monitor moose (Alces alces) populations and browsing in the Scandinavian boreal forest. Specifically, we aimed to identify the most successful detection conditions for moose and their calves in the boreal forest, which we then implemented to estimate the moose population density in a given area as proof of concept. Moreover, we evaluated if and at which threshold height above ground moose were disturbed by drones, and if moose browsing on coniferous trees can be identified using drones. We initially used the drone ‘DJI Mavic 2 Enterprise Dual’ to test detection success of GPS-collared moose. The drone was programmed to fly to the last known GPS position of moose at 100 m altitude and – if detected – we flew the drone directly above the moose. The drone was then progressively lowered to 70, 50, 30 and 20 m altitude. Additionally, we quantified how these drone approaches affected moose behavior and space use (n = 24 GPScollared individuals) compared to trials in which a person approached moose on ground (to detect calves). The average time used for drone approaches was 17 minutes compared to 97 minutes for ground approaches, with drone detection probability being higher (95% of adult female moose and 88% of moose calves) compared to ground approaches (78% of adult females and 82% of calves). The detection success of moose calves increased at lower drone altitudes (50-70 m), whereas all adult moose were detected at 100 m (except two individuals that had moved from the area before the flight was conducted). Adult female moose left the site in 35% of drone approaches compared to 56% of ground approaches. We did not detect effects of drone approaches on moose space use, but moose moved > 4-fold greater distances and used larger areas during 3-h after ground approaches. After establishing that a drone flight height of 100 m allowed for successful moose detection while minimizing disturbance, we evaluated the detection conditions for moose in more detail, using the drone ‘DJI Matrice 300 RTK’ with a ‘Zenmuse H20T’ camera. In total, we flew 33 grids over 11 GPScollared female moose, with moose located within the grid in 26 flights (79%). Of these 26 moose, we detected 20 moose, corresponding to a detection probability of 77%. The probability of detecting a moose tended to be greater in cloudy compared to sunny conditions but was not affected by other factors (temperature, forest type, tree cover density). Subsequently, we conducted 34 grid flights during fall to detect moose that were not GPS-collared and estimate local moose population density. We detected moose in 9 of the 34 flights, totaling 20 individuals, equivalent to 1.24 moose per km2 based on the raw observations. We likely detected 75-90% of all moose given that conditions were more favorable due to colder temperatures and less sunshine (compared to flights over GPS-collared moose), corresponding to a fall density of 1.38 - 1.65 moose per km2 and a summer density of 1.49 - 1.84 moose per km2. These predicted moose densities from our drone flights matched closely with moose density estimates obtained from pellet counts conducted two years earlier. Finally, we evaluated potential methods to estimate moose browsing damage in young conifer stands, which will be challenging to achieve. In summary, drone approaches were highly efficient in detecting adult moose and their calves in the boreal forest, being faster and less disturbing than ground approaches. Moreover, our results suggest that monitoring using drones can yield highly reliable moose population density estimates, at least in small areas. We discuss how our findings could be implemented on a larger scale for improved moose management across Scandinavia.