Vista aérea de uma réplica de colônia de aves marinhas em comparação com o ponto de vista do balcão de terra. Fonte: Hodgson et al., 2018.

Eventos recentes, como a preocupação com a diminuição das populações de ursos polares, chamaram a atenção do público para o uso de dados de sensoriamento remoto na observação da vida selvagem, em particular, contando o número de animais em locais remotos. Embora os dados de satélite tenham sido usados ​​agora, com baixos custos para vários veículos aéreos não tripulados (UAV) e seu fácil uso, um número crescente de estudos tem se concentrado no uso de UAVs para detectar e contar animais.

Pesquisas mais precisas do que terrestres

As imagens térmicas e de infravermelho, particularmente de UAVs, ajudaram a melhorar a contagem relacionando as assinaturas de calor e visibilidade dos animais a determinada refletância. Observações terrestres e dados de GPS foram usados ​​em conjunto para ajudar a validar observações e localizar geograficamente animais detectados, como veados de cauda branca em um estudo. A classificação supervisionada pode então ser aplicada para criar assinaturas que são aplicáveis ​​a áreas mais amplas onde menos controle possa estar disponível (isto é, falta de observações terrestres). [1]

Em um estudo, foi mostrado que os UAVs podem ser de 43-96% mais precisa do que observações feitas no solo ou feitas pelo homem na contagem da vida selvagem. Na verdade, os UAVs também são melhores na detecção de animais falsos, concentrando-se nas assinaturas que os animais dão. Neste caso, o estudo analisou animais que freqüentemente se aglomeram, especificamente colônias de aves marinhas. Os resultados sugerem que, para o monitoramento de escala fina, os UAVs provavelmente são mais poderosos do que os métodos de observação humana ou mesmo o sensoriamento remoto por satélite. [2] Em outro estudo sobre focas marinhas, foi descoberto que os UAVs usam imagens térmicas e auto-classificação baseada em assinaturas detectadas, levou a cerca de 95-98% de correspondência para as contagens humanas. Em outras palavras, a precisão foi semelhante. Dado o baixo custo de manter e voar UAVs, eles eram um instrumento muito mais econômico para usar. [3]

 

Apesar dos benefícios em escala fina da contagem de UAV, existem problemas. A principal crítica à detecção e contagem de animais tem sido que os estudos se concentraram principalmente em áreas relativamente pequenas, como pequenos parques ou recintos, ao passo que há uma necessidade maior de contar em áreas muito amplas. De fato, esta é uma das razões pelas quais tem sido difícil determinar o quão bem algumas espécies ameaçadas estão fazendo, como os ursos polares. Há uma necessidade maior de expandir os estudos, permitir o monitoramento a longo prazo e desenvolver melhor métodos e classificações automatizados ou semi-automatizados para que as assinaturas possam ser contadas com precisão. Na verdade, esta ainda é uma área que precisa de mais pesquisas e trabalho [4]

Usando dados de satélite para mapear espécies

Uma área em que dados baseados em satélite demonstraram utilidade, talvez ironicamente, é em espécies menores, particularmente contando o fitoplâncton crescendo em lagos e sistemas de água. Utilizando a plataforma MERIS [Medium Resolution Imaging Spectrometer] que absorve a ficocianina a cerca de 620 nm, o sistema consegue detectar a sensibilidade e a robustez do crescimento do fitoplâncton. Isso torna satélites como o Envisat, um sistema antigo, mas ainda utilizado, útil para pesquisas em grandes áreas. Com efeito, os dados baseados em satélites até agora foram melhores na realização de uma pesquisa de área tão grande em relação aos UAV, já que a maioria dos UAVs operados por biólogos provavelmente tem alcance limitado e tempo de voo. [5]

Embora ainda haja muito espaço para crescer sensoriamento remoto para melhorar a contagem de animais, há limitações que podem impedir que o campo cresça rapidamente ou melhore ao ponto de poder substituir totalmente a observação e a contagem humanas. Primeiramente, a principal limitação é a capacidade de voar UAVs continuamente e por longas distâncias. Embora o satélite ofereça essa possibilidade, os UAV disponíveis para a maioria dos cientistas não são capazes. Com os custos de UAVs mais sofisticados que podem voar automaticamente em áreas amplas, é provável que veremos melhorias nas técnicas de sensoriamento remoto para detectar e contar animais.

Referências

[1]    For more on the technique for counting white tailed deer, see:  Chrétien, L.-P., Théau, J., & Ménard, P. (2016). Visible and thermal infrared remote sensing for the detection of white-tailed deer using an unmanned aerial system: Detection of White-tailed Deer Using an UAS. Wildlife Society Bulletin40(1), 181–191. https://doi.org/10.1002/wsb.629.

[2]    For more on the accuracy of UAVs, or remote piloted aircrafts (RPAs), in counting, see:  Hodgson, J. C., Mott, R., Baylis, S. M., Pham, T. T., Wotherspoon, S., Kilpatrick, A. D., et al.  (2018). Drones count wildlife more accurately and precisely than humans. Methods in Ecology and Evolution9(5), 1160–1167. https://doi.org/10.1111/2041-210X.12974.

[3]    For more on the seal counts and accuracy, see:  Seymour, A. C., Dale, J., Hammill, M., Halpin, P. N., & Johnston, D. W. (2017). Automated detection and enumeration of marine wildlife using unmanned aircraft systems (UAS) and thermal imagery. Scientific Reports7, 45127. https://doi.org/10.1038/srep45127.

[4]    For more on the benefits and limitations of some recent methods and applications of using remote sensing to detect and count animals, see:  Hollings, T., Burgman, M., van Andel, M., Gilbert, M., Robinson, T., & Robinson, A. (2018). How do you find the green sheep? A critical review of the use of remotely sensed imagery to detect and count animals. Methods in Ecology and Evolution9(4), 881–892. https://doi.org/10.1111/2041-210X.12973.

[5]    For more on the phytoplankton counting study, see:  Lunetta, R. S., Schaeffer, B. A., Stumpf, R. P., Keith, D., Jacobs, S. A., & Murphy, M. S. (2015). Evaluation of cyanobacteria cell count detection derived from MERIS imagery across the eastern USA. Remote Sensing of Environment157, 24–34. https://doi.org/10.1016/j.rse.2014.06.008.

Fonte:GISLounge

Autor: Mark Altaweel