Sveučilište u Zagrebu

Veterinarski fakultet

ANA BAN

Analiza uspješnosti praćenja velikih sisavaca pomoću

fotozamki s različitim postavkama

Zagreb, 2019.

2

Ovaj rad izrađen je na Zavodu za veterinarsku biologiju Veterinarskog fakulteta

Sveučilišta u Zagrebu pod vodstvom izv. prof. dr. sc. Tomislava Gomerčića i doc. dr. sc. Magde

Sindičić. Istraživanje je provedeno u sklopu LIFE Lynx projekta „Spašavanje dinarske i

jugoistočne alpske populacije risa od izumiranja“ (LIFE16 NAT/SI/000634).

3

SADRŽAJ

UVOD ....................................................................................................................................4

CILJEVI .................................................................................................................................5

MATERIJALI I METODE .....................................................................................................6

REZULTATI ..........................................................................................................................9

RASPRAVA ........................................................................................................................ 16

ZAKLJUČAK ...................................................................................................................... 18

ZAHVALA .......................................................................................................................... 19

LITERATURA ..................................................................................................................... 20

SAŽETAK ........................................................................................................................... 23

SUMMARY ......................................................................................................................... 24

4

UVOD

Zahvaljujući napretku tehnologije digitalni fotoaparati su danas dostupni gotovo

svima, stoga ne čudi činjenica da imaju sve važniju ulogu i u znanosti. Zahvaljujući dostupnosti

i relativno prihvatljivim cijenama, digitalni fotoaparati modificirani u fotozamke su postali

jedna od najčešće korištenih neinvazivnih metoda za praćenje divljih životinja (pregled

literature dostupan u radovima ROVERO i sur., 2010.; O’CONNELL i sur., 2011.; MEEK i

sur., 2012.a). Fotozamke postavljene u stanište divljih životinja prikupljaju podatke bez potrebe

za ljudskom prisutnošću te omogućuju praćenje vrsta koje žive skrovito (ROVERO, 2009.) i

povučeno od ljudi te na nepristupačnim terenima (FLEMING i sur., 2014.). Danas se fotozamke

koriste za različita ekološka istraživanja, poput inventarizacije vrsta na određenom području,

istraživanja populacijske dinamike i ekoloških odnosa, utvrđivanje rasprostranjenosti i procjena

brojnosti te gustoće određene vrste (O’CONNELL i sur., 2011.).

Prema načinu aktivacije fotozamke dijelimo na fotozamke sa senzorom (engl.

triggered) i fotozamke bez senzora (engl. non triggered) (CUTLER i SWANN, 1999.). Kod

fotozamki sa senzorom fotografija se snima nakon vanjskog podražaja, dok fotozamke bez

senzora rade u unaprijed zadanom vremenskom intervalu ili kontinuirano i nije potreban vanjski

podražaj za aktivaciju (ROVERO i sur., 2013.). Podražaj koji aktivira fotozamku može biti

mehanički (životinja mora stati na određeno mjesto te zatim pritisak aktivira kameru) ili

fotozamku aktivira prolazak životinje kojeg registrira snop infracrvenog svijetla.

Fotozamke koje aktivira infracrveno svjetlo imaju aktivne ili pasivne senzore.

Fotozamke s aktivnim senzorima imaju dva dijela, a kontinuirani snop infracrvene svjetlosti se

emitira od odašiljača do prijemnika te se prekidanjem snopa svjetlosti aktivira fotozamka.

Infracrvene fotozamke s pasivnim senzorima imaju dva odvojena senzora, infracrveni i senzor

koji očitava temperaturu okoliša. Kada životinja prođe ispred senzora, pokreti životinje i

promjena temperature okoliša zbog temperature životinje aktiviraju fotozamku (SWANN i sur.,

2004.).

Svaki od tih modela ima svoje prednosti i nedostatke, ovisno o tome koje vrste

istražujemo, u kojim uvjetima i kakve podatke pomoću njih želimo dobiti. Tako se fotozamke

bez senzora koriste kada je potrebno kontinuirano snimanje ili kada se jedna radnja ponavlja

više puta (na primjer dolazak životinja na hranilište), dok se fotozamke sa senzorom koriste za

događaje koji su povremeni, odnosno ne ponavljaju se (na primjer kada se želi snimiti

5

povremena prisutnost životinje). Negativne strane fotozamki bez senzora su velika količina

vremena potrebna za pregledavanje i analizu snimki, te količina energije (baterija) potrebna za

održavanje aktivnosti kamere. Mehanički aktivirane kamere se danas rjeđe koriste, najčešće za

istraživanja životinja koje žive na malom području i tu se zadržavaju (na primjer gradnja

gnijezda) (SWANN i sur., 2011.).

Fotozamke s aktivnim infracrvenim senzorom su najbolje za istraživanje životinja za

koje znamo točnu visinu tijela pa možemo prilagoditi položaj senzora, no problem je što ih

mogu aktivirati različiti podražaji - na primjer lišće, rastuća vegetacija, vremenski uvjeti

(KAWANISHI, 2002.; HENSCHEL i RAY, 2003.). S druge strane, fotozamke s infracrvenim

pasivnim senzorom imaju širi raspon detekcije koja omogućava praćenje životinja različitih

visina (SWANN i sur., 2004.), no također se mogu javiti greške upravo zbog te širine raspona.

Osim ove osnovne podjele fotozamki s obzirom na senzore, modeli različitih

proizvođača imaju različite tipove bljeskalica (bijelo svijetlo, infracrveno svijetlo ili "crno"

svjetlo) i brojne postavke koje možemo mijenjati ovisno o podacima koje želimo prikupiti. Pa

tako postoji mogućnost postavljanja različitog broja fotografija, sa snimanjem videa ili bez,

snimanje videa različite duljine, s pauzama između snimanja različite duljine. Izbor postavki

ovisi o brojim čimbenicima poput životinjske vrste koja se istražuje, obilježja vrste, teren na

kojem obitava (dostupnost za čovjeka) te mogu značajno utjecati na uspješnost istraživanja.

Stoga je jedan od prvih koraka u planiraju metodologije istraživanja pomoću fotozamki, odabir

najprikladnijeg modela i najprikladnijih postavki.

CILJEVI

S obzirom na dostupnost brojnih modela fotozamki s različitim postavkama koje

mogu značajno utjecati na uspješnost istraživanjima divljih životinja, cilj ovog rada je bio

utvrditi koje postavke infracrvenih fotozamki s aktivnim senzorom su najpogodnije za

utvrđivanje prisutnosti velikih sisavaca koji obitavaju na području Velebita.

6

MATERIJALI I METODE

Ovo istraživanje provedeno je u sklopu LIFE Lynx projekta „Spašavanje dinarske i

jugoistočne alpske populacije risa od izumiranja“ (LIFE16 NAT/SI/000634).

U istraživanju su korištene fotozamke s aktivnim infracrvenim senzorom, marke

Cuddeback Long Range, IR, Silver series, model 1224 sa sljedećim tehničkim postavkama:

brzina aktivacije 0,25 s, rezolucija kamere je 5 MP, kvaliteta memorijske SD kartice je klasa

10, bljeskalica s infracrvenim svijetlom (valna duljina IR, 850 nm), širokokutni raspon. Ukupno

25 fotozamki je postavljeno na 20 lokacija na sjevernom dijelu Parka prirode Velebit (Slika 1.).

Fotozamke su bile aktivne u razdoblju od 3. do 12. mjeseca 2018. godine, ukupno 2292 dana.

Postavljene su na četiri različita tipa lokacija – šumska cesta (4 fotozamke), životinjski put (13

fotozamki), markiralište risa (2 fotozamke), te pojilište (6 fotozamki) (Tablica 1.). Šumska cesta

je definirana kao prometnica (neasfaltirana) kojom mogu prolaziti vozila, put je utabana staza

koju divlje životinje koriste za kretanje, markiralište je mjesto gdje ris izmetom, urinom i

trljanjem obilježava svoj teritorij, a pojilište mjesto gdje je životinjama dostupna voda (lokva,

šterna).

U istraživanju su korištene različite postavke s obzirom na broj fotografija i snimanje videa:

1. 1 fotografija i 30 sekundi videa (20 fotozamki)

2. 3 fotografije i 30 sekundi videa (2 fotozamke)

3. 3 fotografije (3 fotozamke).

Prilikom jedne aktivacije (prolaska životinje) fotozamka s postavkom pod brojem 1 snima

jednu fotografiju te video u trajanju od 30 sekundi. Fotozamka s postavkom pod brojem 2 snima

tri uzastopne fotografije, s najkraćom mogućom pauzom između fotografija (postavka „fast as

possible“) i videa u trajanju od 30 sekundi. Fotozamka s postavkom pod brojem 3 snima tri

uzastopne slike bez videa. Fotozamke su obilažene prosječno jednom mjesečno, te su preuzeti

podatci s memorijskih kartica. Sve fotografije i snimke se zatim pregledavaju, brišu se prazne,

te se pohranjuju u program Camelot (HENDRY i sur., 2017). gdje se za svaki događaj označi

koja vrsta je snimljena te broj jedinki. Događaj je jedan posjet životinja tijekom kojeg može biti

fotografirano više fotografija i video istog događaja. Fotografije risa dodatno se pohranjuju u

javno dostupnu bazu http://lynx.vef.hr.

7

Slika 1. Lokacije postavljenih fotozamki na sjevernom dijelu Parka prirode Velebit

Podatci o životinjama (vrsta, broj) te podaci o lokacijama na kojima su fotografije

snimljene analizirani su koristeći Microsoft Office Excel programa. Analizirano je na kojoj

fotografiji po redoslijedu snimanja (1., 2. ili 3.) je identificirana vrsta životinje, te na kojoj

fotografiji po redoslijedu je određen ukupan broj životinja po događaju. Analizirano je u kojoj

sekundi videa je identificirana vrsta životinje te u kojem vremenu je utvrđen ukupan broj

životinja. Navedene analize su napravljene zasebno za podatke prikupljene na šumskim

cestama. Na cestama su životinje u pokretu i najbrže se kreću, pa tamo kvaliteta fotografija i

videa najviše ovisi o postavkama. Dok npr na solištu, pojilištu i markiralištu se životinje dulje

zadržavaju pa postavke ne utječu toliko na kvalitetu.

8

Tablica 1.Lokacije postavljenih fotozamki, razdoblje aktivnosti, broj zabilježenih događaja te postavke

Naziv lokacija Oznaka lokacije Tip lokacije

Broj kamera

Datum postavljanja

Datum deaktivacije

Aktivnost kamere (dan)

Broj događaja

Postavke

Lovinac CRO571_1 put 1 16.3.2018 4.9.2018 173 21 1 slika+video (30s)

Lipovi kuk CRO487_1 cesta 2 26.3.2018 20.6.2018 87 209

1 slika+video (30s) / 3 slike / 3 slike

+video (30s)

Betine CRO487_3 put 2 4.4.2018 20.6.2018 78 21

1 slika+video (30s) / 3 slike / 3 slike

+video (30s) Klepinica CRO535_2 put 2 20.4.2018 25.5.2018 36 47 1 slika+video (30s)

Gavrilova draga CRO519_8 markiralište 2 27.4.2018 25.7.2018 90 61 3 slike/1

slika+video (30s) Godaca (Mali kotar) CRO505_1 put 1 26.4.2018 1.9.2018 129 25 1 slika+video (30s) Godaca (Padavica) CRO506_1 put 1 26.4.2018 1.9.2018 129 12 1 slika+video (30s) Crno jezero CRO504_1 cesta 2 30.3.2018 18.5.2018 50 37 1 slika+video (30s) Vrhovine CRO490_1 put 1 29.3.2018 19.8.2018 144 17 1 slika+video (30s) Grcki bunar (krivi javor) CRO491_1 pojilište 1 26.4.2018 8.9.2018 136 1 1 slika+video (30s) Grcki bunar (gore) CRO491_2 put 1 26.4.2018 3.7.2018 69 2 1 slika+video (30s) Ljubežinska kosa CRO487_4 put 1 15.6.2018 23.7.2018 39 26 1 slika+video (30s) Veliki stožer, ispod vrha CRO474_1 pojilište 1 12.7.2018 27.12.2018 169 40 1 slika+video (30s) Kamati CRO450_2 pojilište 1 12.7.2018 30.12.2018 172 86 1 slika+video (30s) Šestolipa – Koturovi CRO450_1 pojilište 1 12.7.2018 27.12.2018 169 46 1 slika+video (30s) Selina CRO470_2 pojilište 1 15.6.2018 24.8.2018 71 5 1 slika+video (30s) Zurci CRO470_1 put 1 15.6.2018 23.8.2018 70 20 1 slika+video (30s) Odvojak lokva CRO446_2 pojilište 1 4.7.2018 26.9.2018 85 13 1 slika+video (30s) Odvojak CRO446_1 put 1 4.7.2018 21.8.2018 49 33 1 slika+video (30s) Trap CRO417_1 put 1 4.7.2018 9.7.2018 6 6 1 slika+video (30s)

9

REZULTATI

Tijekom 2292 dana aktivnosti prikupljeni su podatci (fotografije i video snimke) za

729 odvojenih događaja. Od toga je 246 (33.7%) događaja snimljeno na šumskim cestama, 230

(31.6%) na životinjskom putu, 192 (26.3%) na pojilištu i 61 (8.4%) na markiralištu risa. Na

fotografijama je identificirano 14 različitih vrsta divljih životinja, uz napomenu da kunu zlaticu

i kunu bjelicu nije moguće razlikovati na fotografijama, pa su identificirane zajedno kao rod

Martens.

Ukupno 5 fotozamki koje su snimale 3 fotografije u nizu zabilježile su 220 događaja.

Od toga je u 94% slučajeva vrsta životinje identificirana na prvoj fotografiji od tri snimljene u

nizu, dok je u 6% slučajeva vrsta identificirana tek na drugoj fotografiji (Tablica 2.). Točan broj

životinja je u 94% slučajeva uspješno utvrđen na prvoj fotografiji, a u 6% na drugoj (Tablica

3.). Kod divlje svinje je zabilježena najniža uspješnost identifikacije vrste na prvoj fotografiji

(86%), dok je kod divlje svinje (75%) i lisice (85%) bila najniža uspješnost određivanja broja

životinja na prvoj fotografiji.

10

Tablica 2. Prikaz na kojoj fotografiji po redu je identificirana vrsta životinje za događaje

snimljene s fotozamkama s postavkama 3 fotografije u nizu

Vrsta Slika 1. Slika 2. Slika 3. Ukupno

N % N % N % N

Vuk (Canis lupus) 11 92% 1 8% 0% 12

Srna (Capreolus capreolus) 31 97% 1 3% 0% 32

Jelen obični (Cervus elaphus) 11 92% 1 8% 0% 12

Čovjek 13 100% 0% 0% 13

Jelen lopatar (Dama dama) 4 100% 0% 0% 4

Divlja mačka (Felis silvestris) 1 100% 0% 0% 1

Zec (Lepus europaeus) 19 95% 1 5% 0% 20

Ris (Lynx lynx) 16 100% 0% 0% 16

Jazavac (Meles meles) 16 89% 2 11% 0% 18

Kune (Mustelide) 7 100% 0% 0% 7

Divlja svinja (Suis scrofa) 6 86% 1 14% 0% 7

Medvjed (Ursus arctos) 23 96% 1 4% 0% 24

Vozilo 15 100% 0% 0% 15

Lisica (Vulpes vulpes) 33 85% 5 13% 1 3% 39

Ukupno 206 94% 13 6% 1 0% 220

11

Tablica 3. Prikaz na kojoj je fotografiji određen broj životinja za događaje snimljene s

fotozamkama s postavkama 3 fotografije u nizu

Vrsta Slika 1. Slika 2. Slika 3. Ukupno

N % N % N % N

Vuk (Canis lupus) 11 100% 0% 0% 11

Srna (Capreolus capreolus) 31 97% 1 3% 0% 32

Jelen obični (Cervus elaphus) 11 92% 1 8% 0% 12

Čovjek 13 100% 0% 0% 13

Jelen lopatar (Dama dama) 6 100% 0% 0% 6

Divlja mačka (Felis silvestris) 1 100% 0% 0% 1

Zec (Lepus europaeus) 19 95% 1 5% 0% 20

Ris (Lynx lynx) 15 100% 0% 0% 15

Jazavac (Meles meles) 16 89% 2 11% 0% 18

Kune (Mustelide) 7 100% 0% 0% 7

Divlja svinja (Suis scrofa) 6 75% 2 33% 0% 8

Medvjed (Ursus arctos) 24 96% 1 4% 0% 25

Vozilo 13 100% 0% 0% 13

Lisica (Vulpes vulpes) 33 85% 5 13% 1 3% 39

Ukupno 206 94% 13 6% 1 0% 220

12

Ukupno 22 fotozamke snimile su 587 videa, svaki u trajanju 30 sekundi. U prosjeku

su vrsta (Slika 3.) i ukupan broj životinja (Slika 4.) uspješno identificirani unutar prvih 5

sekundi videa. Izdvajaju se divlja svinja i jelen kod kojih se u 16%, odnosno 11% događaja

ukupan broj životinja nije mogao definirati u prvih 5 sekundi videa (Tablica 4).

Slika 3. Razdoblje trajanja videa (vremenski rasponi od 5 sekundi) u kojem je identificirana

vrsta. Plavo – minimum, crveno – prosjek, zeleno –maksimum.

Slika 4. Razdoblje trajanja videa (vremenski rasponi od 5 sekundi) u kojem je određen broj

životinja. Plavo – minimum, crveno – prosjek, zeleno –maksimum.

0

5

10

15

20

25

30

0

5

10

15

20

25

30

13

Tablica 4. Događaji za koje je tek nakon 5 sekundi videa bilo moguće odrediti vrstu i broj životinja.

Vrsta

Br. događaja kada je vrsta identificirana nakon 5. sekunde

Br. događaja kada je broj životinja identificiran nakon 5. sekunde

Ukupan broj događaja

Jelen obični (Cervus elaphus)

1 (2%)

4 (8%) 52

Medvjed (Ursus arctos) 1

(2%) 1

(2%) 61

Vuk (Canis lupus) 1

(9%) 0

(0%) 11 Jelen lopatar (Dama dama)

1 (11%)

0 (0%) 9

Srna (Capreolus capreolus)

1 (6%)

2 (1%) 165

Jazavac (Meles meles) 1

(3%) 1

(3%) 32 Divlja svinja (Suis scrofa)

0 (0%)

9 (16%) 57

Usporedili smo videa snimljena nakon 1 fotografije i one snimljene nakon 3 fotografije

(u slučajevima kada je na fotografiji zabilježena životinja, prazne fotografije nisu uključene u

analizu) (Tablica 5). Ukupno 70% videa snimljenih s fotozamkama s postavkama 3 fotografije

+ video su bili prazni, dok je 28% videa snimljenih s fotozamkama s postavkama 1 fotografija

i video bilo prazno (Tablica 6).

14

Tablica 5. Postotak videa na kojem nema životinje, a da je ona bila zabilježena na fotografiji

Vrsta

Broj zabilježenih događaja na fotografiji

Broj (% ) videa na kojima nema

životinje kod postavki 1 foto +

30 sec video

Broj (%) videa na kojima nema životinje kod

postavki 3 foto + 30 sec video

Čagalj (Canis aureus) 8 6

(75 %) /

Vuk (Canis lupus) 11 3

(27 %) 1

(100%) Srna (Capreolus capreolus) 165

39 (24 %)

7 (86%)

Jelen obični (Cervus elaphus) 52

6 (12 %) /

Čovjek 8 / 1

(100%) Jelen lopatar (Dama dama) 9

1 (11 %) /

Divlja mačka (Felis silvestris) 11

4 (36 %)

1 (100%)

Zec (Lepus europaeus) 31 18

(58 %) 12

(75%)

Ris (Lynx lynx) 14 3

(21 %) 6

(33%)

Jazavac (Meles meles) 32 7

(22 %) 10

(50%)

Kune (Martes) 26 8

(31 %) 2

(100%) Divlja svinja (Suis scrofa) 57

3 (5 %)

1 (100%)

Medvjed (Ursus arctos) 61

26 (43 %)

5 (80%)

Vozilo 25 / 5

(100%)

Lisica (Vulpes vulpes) 76 36

(47 %) 22

(64%)

Ukupno 586 160 82

15

Tablica 6. Postotak praznih videa po vrstama i postavkama kamera 1 slika + video 3 slike + video

Vrsta % praznih videa (ukupno) % praznih videa (ukupno)

Čagalj (Canis aureus) 75% (8) /

Vuk (Canis lupus) 20% (10)

100% (1)

Srna (Capreolus capreolus) 21% (158)

86% (7)

Čovjek 43% (7)

100% (1)

Jelen lopatar (Dama dama) 11% (9) /

Divlja mačka (Felis silvestris)

30% (10)

100% (1)

Zec (Lepus europaeus) 47% (19)

75% (12)

Ris (Lynx lynx) 17% (6)

33% (6)

Jazavac (Meles meles) 9% (22)

50% (10)

Kune (Mustelide) 25% (24)

100% (2)

Divlja svinja (Suis scrofa) 4% (56)

100% (1)

Medvjed (Ursus arctos) 39% (56)

80% (5)

Vozilo 75% (20)

100% (5)

Lisica (Vulpes vulpes) 41% (54)

64% (22)

Ukupno 28% (459)

70% (82)

16

RASPRAVA

Budući fotozamke postaju sve važniji alat u istraživanju divljih životinja, raste i broj

objavljenih znanstvenih radova koji analiziraju učinkovitost različitih metodologija. Tako se

npr analizira utjecaj lokacije postavljanja fotozamke na uspješnost istraživanja (npr. DI

BITETTI i sur., 2014.; KOLOWSKI i FORRESTER, 2017.), utjecaj korištenja mamaka (npr.

IKEDA i sur., 2013.; BRACZKOWSKI i sur., 2016.), usporedba brzine okidanja, tipa senzora

i bljeskalice (MEEK i PITTET, 2012.; GLEN i sur., 2013.). MEEK i PITTET (2012.) su proveli

istraživanje među 154 znanstvenika koji koriste fotozamke te su predložili specifikacije

optimalne fotozamke: 2 fotografije snimljene unutar 1 sekunde s 0,5 sekundi odgode od prve

aktivacije, rezolucija 5 MP, 1-100 fotografija pri aktivaciji, duljina video snimke se može

programirati tako da snima samo kada je senzor aktiviran kako bi se spriječile bespotrebno

dugačke i prazne video snimke koje zauzimaju memoriju kartice, funkcija ubrzanog snimanja

(„time-lapse function“), upravljanje otvorom blende za detekciju bliskih i udaljenih objekata,

sustav s dva blica, kontrola intenziteta blica, visoka rezolucija sa zvukom.

No ovakve analize često zanemaruju metodologiju obrade prikupljenih snimki, važan

korak koji je neophodan prije same statističke analize podataka (SWINNEN i sur., 2014).

Prijelaz s analognih na digitalne kamere, te tehnološki napredak (npr. povećnje kapaciteta za

pohranu podataka) uzrokovali su izniman porast količine snimljenog materijala koj se prikuplja

tijekom istraživanja pomoću fotozamki. Posljedično pregledavanje prikupljenog materijala

zahtjeva velike količine vremena i postalo je ograničavajući čimbenik za istraživače (HARRIS

i sur., 2010.). Tako su npr. SWINNEN i sur. (2014.) razvili algoritam koji automatski filtrira

video koji su prazni ili su snimili vrstu koja nije cilj istraživanja.

Kod istraživanja divljih životinja s velikim brojem fotozamki, puno vremena se ulaže u

pregledavanje i analizu prikupljenih snimaka i značajna je razlika da li se po događaju

pregledava 1 ili 3 fotografije, te da li se pregledava video ili ne. Kako bismo optimizirali

postavke s obzirom na vrijeme uloženo u pregledavanje snimaka i kvalitetu prikupljenih

podataka, cilj našeg istraživanja bio je usporediti snimke prikupljene s fotozamkama s različitim

postavkama. Na snimkama je važno identificirati vrstu i broj životinja, pa samo usporedili

uspješnost identifikacije navedenih parametara na fotozamkama koje su snimale 1 ili 3

fotografije, te fotozamkama koje su snimale i onima koje nisu snimale video.

Naš rezultat da su u 93.5% slučajeva i vrsta i broj životinje identificirani na prvoj

fotografiji od tri snimljene u nizu ukazuje da je postavka 1 fotografija dovoljno učinkovita, te

da nema potrebe za snimanjem tri fotografije u nizu. Vrsta koja je imala najniži postotak

17

uspješnosti identifikacije na temelju prve fotografije je divlja svinja, pa se kod ciljanog

istraživanja te vrste može razmatrati upotreba postavki snimanja 2 fotografije u nizu.

Na snimkama fotozamki koje su imale postavke 1 fotografija + 30 s videa te 3

fotografije + 30 s videa utvrdili smo da su u većini događaja, vrsta i brojnost životinja bile

prepoznate u prvih 5 s trajanja videa. Izuzetak su divlja svinja te jelen obični kod kojih se u

16%, odnosno 11% događaja ukupan broj nije definirao u prvih 5 sekundi videa. Prema tome

može se kod ciljanog istraživanja preporučiti produljivanje trajanje videa. Analiza podataka

prikupljenih od fotozamki s postavkama 3 fotografije + dodatno potvrđuje neučinkovitost

snimanja 3 fotografije u nizu, budući je 70% videa bilo prazno.

Stoga zaključujem da je primjena fotozamki koje snimaju 1 fotografiju te video u

trajanju do 10 sekundi najučinkovitija metoda za utvrđivanje prisutnosti velikih sisavaca,

budući se uz odgovarajuću kvalitetu podataka skraćuje vrijeme pregledavanja fotografija te

video snimki. Manja količina snimljenog materijala također produžuje vijek trajanja baterije,

zbog čega se fotozamke mogu obilaziti rjeđe što ima pozitivan učinak i na financijski aspekt

istraživanja.

18

ZAKLJUČAK

1. Za utvrđivanje prisutnosti velikih sisavaca najučinkovitije su fotozamke s

postavkama 1 fotografija i 10 sekundi videa.

2. Korištenje fotozamki s postavkama 3 fotografije i 30 sekundi video je neprikladno

s obzirom na količinu uloženog vremena u pregledavanje materijala i činjenicu da

je većina videa prazna.

3. Za ciljana istraživanja prisutnosti divljih svinja preporuča se upotreba fotozamki

koje snimaju 2 fotografije.

19

ZAHVALA Veliko hvala izv. prof. dr. sc. Tomislavu Gomerčiću na stručnosti i tehničkoj pomoći,

strpljenju i vještinama kojima me podučio te doc. dr. sc. Magdi Sindičić na motivaciji,

uloženom trudu i vremenu koji su uvelike doprinjeli izradi ovog rada.

20

LITERATURA

BRACZKOWSKI, A. R., G. A. BALME, A. DICKMAN, J. FATTEBERT, P. JOHNSON, T.

DICKERSON, D. W. MACDONALD, L. HUNTER (2016): Scent lure effect on camera-

trap based leopard density estimates. PLoS ONE 11: e0151033

CUTLER, T. L., D. E. SWANN (1999): Using remote photography in wildlife ecology: a

review. Wild. Soc. Bull. 27: 571–581.

DI BITETTI, M. S., A. J. PAVIOLO, C. D. DE ANGELO (2014): Camera trap photographic

rates on roads vs. off roads: location does matter. Mastozoología Neotropical 21: 37-46.

FLEMING, P., P. MEEK, P. BANKS, G. BALLARD, A. CLARIDGE, J. SANDERSON, D.

SWANN (2014): Camera trapping: wildlife management and research. Csiro Publishing,

Clayton, pp. 14-35.

GLEN, A. S., S. COCKBURN, M. NICHOLS, J. EKANAYAKE, B. WARBURTON (2013):

Optimising camera traps for monitoring small mammals. PLoS ONE 8: e67940.

HARRIS, G., R. THOMSON, J. L. CHILDS, J. G. SANDERSON (2010): Automatic storage

and analysis of camera trap data. Bull. Ecol. Soc. Am. 91: 352–360

HENDRY, H., C. MANN (2017): Camelot – intuitive software for camera trap data

management. Oryx doi.10.1101/203216

HENSCHEL, P., J. RAY (2003): Leopards in African rainforests: survey and monitoring

techniques. Wildlife Conservation Society Global Carnivore Program, Washington, DC.

IKEDA, T., H. TAKAHASHI, T. YOSHIDA, I. HIROMASA, K. KAJI (2013): Evaluation of

camera trap surveys for estimation of sika deer herd composition. Mammal study 38: 29-

33.

KAWANISHI, K. (2002): Population status of tigers (Panthera tigris) in a primary rainforest

of Peninsular Malaysia. PhD Thesis, University of Florida, Gainesville, Florida.

21

KOLOWSKI, J. M., T. D. FORRESTER(2017): Camera trap placement and the potential for

bias due to trails and other features. PLoS ONE 12: e0186679.

MEEK, P. D., A. G. BALLARD, P. J. S. FLEMING (2012): An introduction to camera trapping

for wildlife surveys in Australia. Invasive Animals Cooperative Research Centre,

Canberra.

MEEK, P. D., A. PITTET (2012) Use-based design specifications for the ultimate camera trap

for wildlife research. CSIRO Wildlife Research 39. 10.1071/WR12138

O’CONNELL, A. F., L. L. BAILEY (2011): Inference for Occupancy and occupancy dynamics.

In: Camera traps in animal ecology: Methods and analyses. (O’Connell A.F., J.D. Nichols,

K.U. Karanth, Eds.), Springer, New York, pp. 191–206.

ROVERO, F., A. R. MARSHALL (2009): Camera trapping photographic rate as an index of

density in forest ungulates. J. Appl. Ecol. 8: 1011-1017.

ROVERO, F., F. ZIMMERMANN, D. BERZI, P. MEEK (2013): “Which camera trap type and

how many do I need?” A review of camera features and study designs for a range of

wildlife research applications. Hystrix 24: 148-156.

ROVERO, F., M. TOBLER., J. SANDERSON (2010): Camera trapping for inventorying

terrestrial vertebrates. In: Manual on field recording techniques and protocols for all taxa

biodiversity inventories and monitoring. (Eymann J., J. Degreef, C. Degreef, J. C. Monje,

Y. Samyn, D. Vanden Spiegel, Eds.). Abc Taxa 8: 100-128.

SWANN, D. E., C. C. HAAS, D. C. DALTON, S. A. WOLF (2004): Infrared-triggered cameras

for detecting wildlife: an evaluation and review. Wild. Soc. Bull. 32: 357–365.

SWANN, D. E., K. KAWANISHI, J. PALMER (2011): Evaluating types and features of

camera traps in ecological studies. In: Camera traps in animal ecology: Methods and

analysis. (O`Connel, A. F., J. D. Nichols, K.U. Karanth, Eds.), Springer, New York, 3:27-

32.

SWINNEN, K. R. R., J. REIJNIERS, M. BRENO, H. LEIRS (2014): A novel method to reduce

time investment when processing videos from camera trap studies. PLoS ONE 9: e98881.

22

23

ANA BAN

Studentica 6. godine Veterinarskog fakulteta Sveučilišta u Zagrebu

Analiza uspješnosti praćenja velikih sisavaca pomoću

fotozamki s različitim postavkama

SAŽETAK

U posljednjih dva desetljeća fotozamke su postale jedna od najčešće korištenih

neinvazivnih metoda za praćenje divljih životinja. Kako postoji velik izbor različitih modela

fotozamki, važno je odabrati pravilnu metodologiju ovisno o životinjskoj vrsti koja se istražuje,

obilježjima vrste te području na kojem obitava. Odabir odgovarajućih postavki utječe na

kvalitetu podataka, vrijeme potrebno za njihovu obradu te financijski aspekt istraživanja. Cilj

ovog rada bio je utvrditi koje postavke infracrvenih fotozamki s aktivnim senzorom su

najpogodnije za utvrđivanje prisutnosti velikih sisavaca koji obitavaju na području Velebita.

Ukupno 25 fotozamki je postavljeno na 20 lokacija - životinjski put, cesta, pojilište, markiralište

i solište. Uspoređivali smo uspješnost identifikacije vrste i broja životinja na fotozamkama s 3

tipa postavki - 3 fotografije, 1 fotografija + 30 s video, 3 fotografije + 30 s video. Tijekom

ukupno 2292 dana zabilježena su 729 događaja, a analize ukazuju da su za utvrđivanje

prisutnosti velikih sisavaca najučinkovitije fotozamke s postavkama 1 fotografija i 10 sekundi

videa.

Ključne riječi: fotozamke, postavke, fotografije, video , veliki sisavci

24

ANA BAN

Faculty of Veterinary Medicine, University of Zagreb

Efficiency analysis of camera trap settings

for large mammal monitoring

SUMMARY

During the last two decades camera traps became one of the most used non-invasive

methods for monitoring wildlife. As there are a wide variety of camera traps, it is important to

choose the methodology depending on the species being reserched, its characteristics and the

habitat. Choosing the appropriate settings affects the quality of the data, time needed to analyze

it and the financial aspects of the research. The aim of this reserch was to determine which

settings of infrared camera traps with active sensors are the most suitable for monitoring large

mammals on mountain Velebit. A total of 25 camera traps have been placed on 20 locations

forrest roads, animals paths in the forest, lynx marking spots, water sources, exibited salt. We

compared the success of identification of the species and number of the animals on camera traps

with 3 types of settings - 3 photos, 1 photo + 30 s video, 3 photos + 30 s video. During a total

of 2292 days, 729 events were recorded, and the analyzes indicated that camera traps with

setting 1 photo and 10 seconds of video are the most effective for detection of large mammals.

Key words: camera traps, settings, photos, video, large mammals