Изучение использования пространства самками зубра с помощью gps-ошейников-передатчиков двух типов

 

Цель этих исследований было - выявить характер перемещений животных и динамику суточной активности. Для достижения этой цели была поставлена задача пометить зубров GPS-ошейниками-передатчиками. В работе были использованы два типа ошейников. Оба типа оснащены GPS-приемником и датчиком движения, но у одного передача данных осуществляется через спутниковую систему " Thuraya" (2 шт.), а у другого через сеть GSM (4 шт.). Кроме того, ошейники отличались и техническими характеристиками: 4 ошейника осуществляли привязку на местности максимум 4 раза в сутки, и 2 ошейники - максимум 24 раза в сутки.

Работа была проведена на южном участке ГПЗ " Калужские засеки" и НП " Орловское полесье". Геостационарный спутник " Thuraya" находится на юге от места исследований в 20° над горизонтом. Южный участок заповедника имеет сильно овражистый рельеф, таким образом, когда животное находится в овраге, передатчик не может установить связь со спутником для передачи данных. Покрытие сотовой связи на южном участке заповеднике также неполное, т.е. передача данных с ошейника происходит, только когда животное попадает в " пятно" связи. Таким образом, для обеих систем передачи данных условия местности неидеальны. С марта 2009 по март 2011 г. метками были оснащены 6 самок зубра: 2 зубрицы - ошейниками с модулем " Thuraya", 4 - ошейниками с модулем GSM.

Для оснащения ошейником зубры были иммобилизированы седативными препаратами.

Наилучшие результаты были получены для ошейников, передающих через сеть GSM и запрограммированных на 24 локации в сутки (до 679 локаций за месяц). Ошейники, запрограммированные на 4 локации в сутки, в лучшем случае передавали до 41 локации за месяц. Всего получено 3325 локации от 6 зубров, от 71 до 1555 локаций на одного зубра. Площадь используемого пространства самками зубра в весенне-летний период, выявленные методом минимального выпуклого полигона, варьировали от 47, 3 км2 до 122, 6 км2.

Традиционно исследования экологии и поведения воробьиных птиц на миграционных остановках проводят с помощью мечения и повторного отлова. Этот метод позволяет оценить продолжительность миграционных остановок, скорость жиронакопления и даже сделать некоторые выводы относительно пространственного поведения птиц. Однако более точные данные о пространственном поведении можно получить с помощью прослеживания птиц, помеченных миниатюрными радиопередатчиками. Исследования, которые мы проводили на Куршской косе Балтийского моря в 2002-2004 гг., показали наличие существенных межвидовых различий в характере пространственного поведения остановившихся мигрантов, а также изменение характера перемещений птиц в ходе миграционной остановки. Зарянки Erithacus rubecula были значительно более подвижны в первый (иногда также во второй) день остановки, после чего занимали весьма ограниченные по площади индивидуальные участки. Мухоловки-пеструшки Ficedula hypoleuca перемещались на сотни метров и километры в любой день остановки, даже спустя несколько дней после прибытия.

Помимо изучения тактики использования пространства во время миграционных остановок, телеметрические данные позволяют точно определить время возобновления миграционного полёта ночными мигрантами, т.е. время старта. Наши данные показали, что зарянки (мигранты на ближние и средние дистанции, летящие в условиях длинной ночи весной и особенно осенью) начинают полёт в течение всей ночи, т.е. время их старта не приурочено к короткому периоду после захода Солнца, как было принято считать. Причины вариации времени старта являются дискуссионными. В то же время мухоловки-пеструшки и барсучки Acrocephalus schoenobaenus, т.е. дальние мигранты, летящие в условиях короткой ночи в оба миграционных сезона, действительно начинают полёт в течение одного часа после захода Солнца. Таким образом, телеметрические данные позволяют изучать суточный ритм полётной активности у ночных мигрантов из отряда воробьиных.

Основной недостаток радиотелеметрических данных заключается в том, что мы не знаем динамику изменения массы тела и энергетического состояния прослеживаемых птиц. Поэтому этот метод не может полностью заменить мечение и повторный отлов птиц на миграционных остановках.

ГИС " Грызуны и пищухи России и прилежащих территорий" создана на основе авторских макетов карт населения грызунов и пищух в М 1: 4000000 для аридных территорий СССР, 1: 2500000 для Кавказа и Алтая и 1: 10000000 - для оставшейся территории России (Тупикова, 1995, 1996; Тупикова и др., 1998; Tupikova et al., 1998; Хляп и др., 2003). Она оригинальна и поддерживается в средах Mapinfo и ArcGis. Карта (в границах СССР) имеет 2198 индивидуальных выделов, объединеных в 576 типологических (варианты населения грызунов и пищух, различающиеся видовым составом и видами-доминантами).

Основные атрибутивные таблицы содержат информацию о видовом составе грызунов и пищух, обитающих в пределах каждого выдела карты. Каждый вид характеризуется численностью (по 3-балльной шкале), статусом в населении (ежегодное или периодическое доминирование или отсутствие такового), размещением в пределах выдела (сплошное или фрагментарное и в каком из фрагментарных местообитаний встречается вид). Для каждого из выделов карты имеются описания основных и фрагментарных местообитаний. Имеется также ряд дополнительной информации о размещении вида (местами, локально - с указанием конкретного места обнаружения), о динамике численности (массовые размножения, исчезновение) и др. Для ряда регионов есть слой литературных источников зоологических данных, использованных при создании карты. Для некоторых видов в ГИС включены векторные слои с кадастрами мест их обнаружения. ГИС позволяет получать информацию, касающуюся как отдельных видов грызунов и пищух, так и их сообществ. Она использована при построении мелкомасштабных ареалов некоторых видов грызунов (http: //www.sevin.ru/vertebrates/), анализа структуры ареалов песчанок (Неронов и др., 2009), построении карт динамики ареалов грызунов, расширяющих свой ареал (Бобров и др., 2008). На основе ГИС построена и опубликована в Национальном Атласе России карта населения грызунов и пищух, отражающая основные закономерности размещение сообществ грызунов и пищух (объединены по видам доминантам) и их зоогеографическое разнообразие (Тупикова и др., 2007). Оценено разнообразие грызунов Туранских пустынь (Neronov et al., 2006). Преимущественно в краткой (тезисной) форме проанализировано разнообразие сообществ грызунов на территории России (Хляп, 2009); созданы карты населения грызунов отдельных регионов: Поволжья (Хляп, Варшавский, 2005), Ростовской области (Хляп и др., 1996), прилегающей к Монголии полосы России (Khlyap, Warschavsky, 2005).

ГИС позволяет корректировать ее содержание, используя дополнительные зоологические материалы, и одновременно облегчает визуализацию данных по размещению мелких млекопитающих обширных территорий. Так, по 12-летним материалам полевых работ (2000 - 2010 гг.) построена " Карта населения мелких млекопитающих Северо-Западного Кавказа", охватывающая территорию Краснодарского края и республики Адыгея к югу от широтного течения р. Кубань. Показано размещение основных вариантов населения, а на круговых диаграммах - общая численность мелких млекопитающих и соотношение разных видов. Получено, что население мелких млекопитающих этой территории резко разделяется на две части - равнин и гор. Прослежены закономерности размещения видов-двойников.

Кабан и бобр отнесены к видам, характеризующимся средообразущим оздействием на экосистемы Приокско-Террасного заповедника (Бобров и др., 2007; 2008). Задача исследований - получить количественную оценку роющей деятельности кабана и строительной деятельности бобра, оценить регулярность этого воздействия и выявить места наибольшего воздействия этих зверей на экосистемы заповедника. Исследования проведены в 2007-2011 гг. Они сочетали полевые наблюдения с регистрацией следов жизнедеятельности зверей с помощью GPS " Garmin Etrex Vista" и обработку материала с применением компьютерных программ OziExplorer и пакета программ ArcGis. Роющую деятельность кабана оценивали, обследуя ежегодно в середине лета 4 трансекта, 2 из которых проходят с севера на юг, и 2 - с запада на восток (всего - 30 км). Отмечали все порои, их свежесть, размеры и степень нарушенности растительного покрова. Строительную деятельность бобра оценивали по возведенным ими плотинам. Обследованы все водотоки заповедника и отмечены координаты всех плотин: как разрушенных, так и ремонтируемых бобром. Численность бобров оценивали по методу Лаврова (1952). Визуализация мест деятельности кабана в ГИС-программах показала неравномерность размещения его пороев, но интенсивная роющая деятельность из года в год проявлялась практически в одних и тех же местах. Используя встроенные инструменты ArcGis, рассчитано кратчайшее расстояние между пороями кабанов 2009 г. и пороями 2007 или 2008 г. Гистограмма, построенная по этим данным показывает, что 39% обнаруженных в разные годы мест пороев кабана размещались не далее 20 м друг от друга, а 76% - не далее 60 м. Рассчитано, что на участках, где есть порои, вспаханная поверхность занимает в среднем 0, 38±0, 12% учетной полосы, а на участках, где повреждения выше указанной средней величины, - 1, 7±0, 49%. Выявлены биотопы, в которых роющая деятельность выше.

За более чем 60 лет обитания в заповеднике бобр преобразовал почти все его водотоки и водоемы. Осенью 2008 г. на территории ПТЗ - учтено 12 бобровых поселений, всего 30-44 особей, в 2009 г. соответственно: - 15 и 45-65, в крайне засушливом 2010 г. - 13 и 34-53 (летние и весенние обследования, осенние учеты 2009 г. проведены совместно со с. н. с. заповедника " Рдейский" Н.А. Завьяловым).

Использование ГИС позволило проследить динамику и размеры бобровых поселений, оценить их плотность, показать увеличение площади черноольшанников в результате воздействия бобров на экосистемы (Завьялов и др., 2010). Весной 2010 г. в бассейне р. Таденки сохранились все поселения, отмеченные осенью 2009 г., к осени 3 из них перестали существовать, еще 3 сместились на 250, 700 и 850 м и 7 остались на своих местах. Осенью 2010 г. на всех водотоках заповедника существовало 218 плотин (83% от всех отмеченных за 2007-2010 гг.), из них только на 35 (16%) отмечены свежие следы жизнедеятельности бобров. Количество плотин со свежими следами жизнедеятельности бобров на 1 км водотока варьировало осенью 2008 г. от 1 до 4, 8 на речках заповедника и от 11 до 14, 0 на ручьях, а 2009 г. соответственно от 0, 9 до 3, 3 и от 5, 8 до 7, 2.

В настоящее время в ИО РАН совместно с институтом ISEN (Брест, Франция) и компанией SINAY (Франция) разрабатывается автономный гидроакустический буй для одновременного мониторинга уровня шума и обнаружения морских млекопитающих по их акустическим сигналам. Разрабатываемое оборудование предполагается использовать в районах строительства на морском шельфе. При выборе центрального процессора было решено пожертвовать производительностью в пользу низкого энергопотребления, что позволяет добиться продолжительного времени автономной работы. В связи с этим программное обеспечение станции должно быть как можно менее требовательным к вычислительным ресурсам. Например, работа в реальном времени прямолинейных методов, опирающихся на корреляционные техники, при текущих характеристиках оборудования невозможна. В качестве альтернативы был предложен подход с использованием нейронных сетей. Были опробованы двухслойные нейронные сети топологий RBF и SVM. В качестве компонент входного вектора использовались определенные наборы коэффициентов преобразования Фурье и вейвлет-преобразования посредством семейства функций symmlet. Решение о том, какие именно коэффициенты использовать, принималось на основе дискриминантного анализа. Обучающий и оценочный наборы данных состояли из 90 сигналов афалин и 70 сигналов косаток.

Обучение двухслойной сети RBF проходит в два этапа. На первом происходит кластеризация данных произвольным способом. Применялись основанные на методе k-средних алгоритмы кластеризации, различающиеся начальным количеством кластеров, выбором начальных центров кластеров и правилом принятия либо отклонения обнаруженного кластера. В качестве функции цi (x) расстояния от входного вектора до центров кластеров, значения которой являются входными данными для второго этапа работы сети, использовалось ядро Гаусса.

Второй этап обучения сети RBF заключается в поиске такой матрицы A, которая мини-мизирует сумму (по всем xi из обучающего набора) квадратов евклидова расстояния между результатом работы сети y (xi) =A (ц1 (x), …, цn (x)) и значением вектора ti, в котором все компоненты нулевые за исключением единицы на месте с номером, соответствующим классу вектора xi.

Двухслойная сеть SVM топологически сходна с двухслойной сетью RBF. Принципиальное отличие между ними заключается в том, что сеть SVM акцентирует внимание не на центрах кластеров, а на их границах, разделяя кластеры гиперплоскостью с определенным экстремальным свойством.

На данный момент наилучший результат распознавания, достигаемый при использовании топологии RBF и вейвлет-преобразования symmlet, составляет 75% верно распознанных сигналов афалин при 80% верно распознанных сигналов косаток. Эти результаты не являются окончательными. поиск оптимальных параметров сети продолжается. Большой объем доступных записей позволяет имитировать работу алгоритмов в реальных условиях и выявлять случаи, когда высокие результаты распознавания достигаются благодаря чрезмерной специализации нейронной сети под тренировочный набор данных.

В ходе проведения исследования современного состояния леопарда в условия Дагестана (Population ecology of the leopard (Panthera р ardus) in Dagestan, Russian North Caucasus), нами были использованы фотоловушки разных моделей. В силу своей конструкции они отличались возможностями ведения фотосъемки. Так модель Stealth Cam, STC-DVSIR5 Prowler DVS имела на наш взгляд два плюса - съемка велась сериями снимков при установке настроек на максимальные параметры, т.е. готовность к съемке через 1минуту и съемка следующего кадра через 2 сек. при общем числе кадров 9. Так же хорошо проводилась видеосъемка. Но следует сразу отметить то, что через пол года три фотоловушки из четырех перестали снимать в ночное время, что существенно снизило их отдачу в сборе информации в это время суток. До этого сбоя ночная съемка велась на расстоянии до 10-12 м. Так же следует указать на то, что предложенные изготовителем аккумулятор для данного типа ловушек имея массу до 3кг, при полной зарядке, удерживал ловушки в рабочем состоянии только в течении 40-42 дней, а в случае запасного варианта из 6 батареек С-формата, работали только 18-22 дня. К тому же в сравнении с другими фотоловушками модель Stealth Cam, STC-DVSIR5 Prowler DVS была более чувствительна к любым незначительным колебаниям в секторе съемки, что приводило к большому количеству пустых снимков. Такая трудоемкая установка и большая потеря данных (ночных), а так же короткий срок работы, вынудила нас отказаться от использования этих фотоловушек в условиях горного Дагестана.

Параллельно, с выше, рассмотренной моделью, были использованы фотоловушки Cuddeback® Capture IR 5.0 Megapixel scouting cameras. Данная ловушка оказалась менее чувствительной к мелким колебаниям в секторе съемки (10 пустых кадров на 26 снимков с животными в кадре), что позволяло контролировать точку учета до полной разрядки аккумуляторных батарей и получать полные данные о перемещениях животных. Очень удачным оказалось применение данной модели при использование батареек Duracell D-

формата (не аккумуляторов) в холодный период года, когда ловушка проработала более 60дней, а при снятии с точки оставалась работоспособной еще 12 дней. Бесспорным минусом данной модели была очень не качественная ночная съемка. Для устранения дефекта ночной съемки данной модели мы приобрели подобную же модель но, со вспышкой Cuddeback® Capture 3.0 Megapixel.

Полученные снимки животных при помощи разных моделей фотоловушек дали большой объем информации по суточной и сезонной активности, территориальной привязанности разных видов крупных млекопитающих. Для оценки распределения и плотности населения видов нами была использована оценка плотности с учетом сделанных ловушкой независимых снимков и количества дней стояния ловушки в рабочем положении (независимые снимки/100л. сут.), что позволило нивелировать данные со всех ловушек по участкам и составить цельную картину пространственного распределения млекопитающих по исследуемой территории.

Любые зоологические данные, собранные в природе, относятся к категории геоданных, и их корректный анализ средствами геоинформационных систем (ГИС) даст новую уникальную информацию. В этом отношении наиболее информативным является использование в ГИС исходных эмпирических данных. Не для всех случаев удается найти путь использования полевых материалов, прошедших лишь первичную камеральную обработку. Удачным оказалось создание баз геоданных с результатами учета животных канавками, маршрутные учеты птиц, ежегодные зимние маршрутные учеты охотничьих животных. Объектами такой базы данных и сопровождающей ее векторной карты являются канавки, учетные трансекты или отдельные маршруты. Признаком объекта здесь служат - виды, их количественной характеристикой - число пойманных особей, плотность на трансекте или число встреченных следов.

При работе с материалами, прошедшими элементарное обобщение (чаще всего это расчет средних для какого-то района и их статистических параметров), выбранный район является объектом базы данных и векторной карты. Такой подход корректен для хранения и обработки морфологических характеристик, репродуктивных параметров популяции.

Но для характеристик плотности видов создание базы геоданных на этом уровне проблематичнее. Средние для района показатели плотности и их статистические параметры некорректны, поскольку распределение частот показателей плотности весьма далеко от нормального. Эту проблему можно решить с использованием категории имманентной плотности (Юдкин, 2009).

Даже самые обширные базы выборочных данных не могут обеспечить информацией все картируемое пространство, поэтому желательными элементами ГИС являются еще и картографические модели. В то же время для них характерен наибольший субъективизм авторов, и судить об их гносеологической ценности можно лишь при оценке их соответствия исходных эмпирических данных. В созданных математико-картографических моделях распределения ряда видов птиц в крупном и в мелком масштабах для такой оценки модельных показателей плотности приведены доверительные интервалы, рассчитанные на эмпирических данных. Для количественной модели распределения вида еще существует проблема наименьшей пространственной единицы рассмотрения в ГИС. Разные тематические слои, имеющиеся в ГИС, требуют своего уровня дробности деления территории, поэтому унификация деления производилась по наиболее " крупномасштабной" теме, представленной в системе. Например, в ГИС, созданной для анализа и характеристики орнитологической обстановки в зоне ответственности аэропорта за наименьшую единицу рассмотрения принято градусное поле, каждая сторона которого близка к 2 км. Каждое такое поле является объектом векторной карты и атрибутивной таблицы, как для базы распределения птиц, так и для баз с интегральными характеристиками орнитологической опасности и баз данных по условиям обитания птиц. Для мелкомасштабной карты распределения отдельных видов объектами являются контуры нефиксированного размера с относительно однородными характеристиками распределения. Ее атрибуты сложнее, таблица содержит качественные и количественные характеристики контуров: тип распределения вида, краткая характеристика типа распределения, средняя плотность, ее доверительный интервал.

Решена проблема обеспечения экологических исследований надежными данными о структуре местообитаний любой территории. В основу ее решения положена информация о свойствах экосистем, содержащаяся в мультиспектральных измерениях (MSI) с разрешением 30 м на местности и радарной съемки абсолютной высоты местности (90 м). MSI Landsat по разрешению на местности и по характеристикам каналов наиболее соответствует большинству задач, решаемых в экологии. Каждый спектральный канал и индексы, рассчитываемые по их соотношениям, позволяют оценить запасы растительности, биологическую продуктивность, основные категории видового состава, содержание влаги в растительности и экосистеме в целом, содержание глины и железа в почве и другие свойства, определяющие состояние местообитаний. Рельеф и его производные (уклон поверхности, экспозиция, форма, выражаемая через различные кривизны и лапласиан) для различных иерархических уровней его организации (пространственных масштабов) содержат прямую и косвенную информацию о неизменном во времени состоянии местообитаний.

Разработанные технологии позволяют отображать состояния местообитаний с различной детальностью. На стадии планирования полевых измерений используется дихотомическая классификация MSI методом К-средних реализуемая в стандартных статистических пакетах. Выделенные классы по их спектральным характеристикам и индексам надежно интерпретируются в общепринятые типологические образы. Обычно хорошая интерпретация возможна на пятом уровне (32 класса). При большей детальности выделяются классы, отличающиеся по запасам фитомассы, продуктивности, влажности. На основе полученной классификации осуществляется оценка разнообразия и уникальности выделенных типов, а также выраженности границ. Аналогичная классификация осуществляется и для переменных рельефа. Вся эта информация позволяет оптимизировать систему полевых наблюдений (учетные маршруты, размещение точек учетов и описаний и т.п.), обеспечив максимально полный охват разнообразия местообитаний при минимальных затратах труда. При планировании мелкомасштабных исследований удобно использовать GEOCOVER, являющийся продуктом Landsat и дающий покрытие всей суши для трех наиболее независимых спектральных каналов для 1990 и 2000 года.

Полевые работы проводятся с применением GPS. С использованием статистических методов интерполяции (дискриминатный анализ, логистическая регрессия, мультирегрессия, нейронные сети и т.п.) по полевым наблюдениям (" наличие-отсутствие" следа на маршруте, наличие нор и других следов жизнедеятельности, попадание особи в ловушку, плотность на пробу для почвенных беспозвоночных, состояния компонентов растительности и т.п.) и характеристикам местообитания (величины отражения в спектральных каналах, индексов, переменных рельефа) рассчитываются вероятности обнаружения или ожидаемое состояние объекта исследования в каждой точке территории. При детальных зоологических исследованиях для интерпретации полученного размещения используются сопоставления с аналогичными оценками для различных свойств растительного покрова и почв. В результате получаем статистическую модель с известной точностью, описывающую размещение объекта исследования по территории и его связи со свойствами местообитания.

⇐ Предыдущая123456Следующая ⇒

Поделиться: