Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Bằng chứng về hiệu quả của các hệ thống máy bay không người lái cỡ nhỏ (UAS) như một công cụ khảo sát cho động vật có xương sống trên cạn ở Bắc Mỹ: một bản đồ có hệ thống
Tóm tắt
Các hệ thống máy bay không người lái cỡ nhỏ (UAS) đang thay thế hoặc bổ sung cho máy bay có người lái và các khảo sát trên mặt đất trong việc giám sát động vật nhờ vào các cảm biến tiên tiến, hiệu quả, chi phí thấp và lợi ích về logistics. Có nhiều loại UAS và cảm biến đã được sử dụng qua các phương pháp khác nhau. Tuy nhiên, lý do lựa chọn hoặc phương pháp sử dụng thường không được cung cấp trong tài liệu đã công bố. Hơn nữa, các đánh giá hiện có không bao quát đầy đủ các ứng dụng UAS trong quá khứ và hiện tại đối với giám sát động vật, cũng như các đặc điểm và xem xét môi trường liên quan. Chúng tôi trình bày một bản đồ có hệ thống thu thập và tổng hợp các bằng chứng liên quan đến việc giám sát động vật bằng UAS. Chúng tôi đã điều tra hiện trạng kiến thức về các ứng dụng UAS trong giám sát động vật trên cạn bằng cách sử dụng phương pháp bản đồ có hệ thống chính xác, toàn diện và có thể lặp lại. Chúng tôi đã tìm kiếm tài liệu được đánh giá ngang hàng và tài liệu xám liên quan, cũng như các luận văn và luận án, thông qua các cơ sở dữ liệu xuất bản trực tuyến, Google Scholar và theo yêu cầu từ một mạng lưới cộng tác viên chuyên nghiệp và các trang web công khai. Chúng tôi đã sử dụng một cách tiếp cận phân tầng để loại trừ các bài báo với các nghiên cứu đủ điều kiện là những nghiên cứu giám sát (tức là xác định, đếm, ước tính, v.v.) động vật có xương sống trên cạn. Dữ liệu siêu dữ liệu đã được trích xuất liên quan đến UAS, cảm biến, động vật, phương pháp và kết quả được ghi lại trong Microsoft Access. Chúng tôi đã truy vấn và lập danh mục bằng chứng trong cơ sở dữ liệu cuối cùng để tạo ra các bảng, hình ảnh và bản đồ địa lý để kèm theo bài tổng quan này, giải đáp các câu hỏi chính và phụ của chúng tôi. Chúng tôi đã tìm thấy 5539 bài báo từ các tìm kiếm tài liệu của mình, trong đó có 216 bài được đưa vào với các danh mục siêu dữ liệu đã trích xuất trong cơ sở dữ liệu và bài tổng quan của chúng tôi. Các nghiên cứu đã thể hiện sự gia tăng theo cấp số nhân theo thời gian nhưng đã ổn định từ năm 2019 đến 2021 và chủ yếu được thực hiện ở Bắc Mỹ, Australia, và Nam Cực. Mỗi danh mục siêu dữ liệu có các cụm lớn và khoảng trống, được mô tả trong bài tổng quan. Bản đồ có hệ thống của chúng tôi cung cấp một tổng hợp hữu ích về các ứng dụng hiện tại của các nghiên cứu liên quan đến UAS-động vật và xác định các cụm kiến thức lớn (các chủ đề phụ được đại diện tốt có thể được tổng hợp đầy đủ qua một đánh giá có hệ thống) và khoảng trống (các chủ đề chưa được báo cáo hoặc chưa được đại diện đầy đủ cần nghiên cứu chính rằng sẽ hướng dẫn các định hướng nghiên cứu và ứng dụng UAS trong tương lai. Tài liệu cho việc sử dụng UAS để thực hiện các khảo sát động vật đã mở rộng mạnh mẽ kể từ khi ra mắt vào năm 2006 nhưng vẫn còn ở giai đoạn sơ khai. Kể từ năm 2015, các cải tiến công nghệ và giảm chi phí sau đó đã thúc đẩy nghiên cứu rộng rãi, thường nhằm xác thực công nghệ UAS để khảo sát một loài với sự áp dụng thống kê mô tả trong các không gian và thời gian hạn chế. Các nghiên cứu kể từ sự mở rộng năm 2015 vẫn chủ yếu tập trung vào các loài chim lớn hoặc động vật có vú trong các cảnh quan mở của 4 quốc gia, nhưng các quy định, chẳng hạn như độ cao tối đa và hạn chế tầm nhìn, vẫn là rào cản đối với việc cải thiện các khảo sát động vật bằng UAS. Các khoảng trống kiến thức quan trọng bao gồm sự thiếu hụt (1) các thực hành tốt nhất để sử dụng UAS tiến hành các khảo sát chuẩn hóa nói chung, (2) các thực hành tốt nhất để khảo sát toàn bộ cộng đồng động vật hoang dã trong các khu vực xác định, và (3) dữ liệu về các yếu tố ảnh hưởng đến sự thiên lệch trong việc đếm động vật từ hình ảnh UAS. Những tiến bộ triển vọng bao gồm việc sử dụng cảm biến nhiệt trong các môi trường rừng hoặc khảo sát nocturnal và phát triển các thuật toán học máy tự động hoặc bán tự động để phát hiện, xác định và đếm chính xác động vật từ hình ảnh UAS.
Từ khóa
Tài liệu tham khảo
Sullivan JM. Evolution or revolution? The rise of UAVs. IEEE Technol Soc Mag 2006;25:43–9.
Federal Aviation Administration. 14 CFR Part 107. 2016.
Joyce KE, Anderson K, Bartolo RE. Of Course We Fly Unmanned—We’re Women! Drones 2021;5:21.
Anderson K, Gaston KJ. Lightweight unmanned aerial vehicles will revolutionize spatial ecology. Front Ecol Environ2013;11:138–46.
Christie KS, Gilbert SL, Brown CL, Hatfield M, Hanson L. Unmanned aircraft systems in wildlife research: Current and future applications of a transformative technology. Front Ecol Environ2016;14:241–51.
Hodgson JC, Mott R, Baylis SM, Pham TT, Wotherspoon S, Kilpatrick AD, et al. Drones count wildlife more accurately and precisely than humans. Methods Ecol Evol 2018;9:1160–7.
Linchant J, Lisein J, Semeki J, Lejeune P, Vermeulen C. Are unmanned aircraft systems (UASs) the future of wildlife monitoring? A review of accomplishments and challenges. Mamm Rev2015;45:239–52.
Pimm SL, Alibhai S, Bergl R, Dehgan A, Giri C, Jewell Z, et al. Emerging Technologies to Conserve Biodiversity. Trends Ecol Evol2015;30:685–96..
Pfeiffer MB, Blackwell BF, Seamans TW, Buckingham BN, Hoblet JL, Baumhardt PE, et al. Responses of turkey vultures to unmanned aircraft systems vary by platform. Sci Rep 712 2021;11:1–13.
Egan CC, Blackwell BF, Fernández-Juricic E, Klug PE. Testing a key assumption of using drones as frightening devices: Do birds perceive drones as risky? Condor 2020;122:1–15.
Sasse DB. Job-related mortality of wildlife workers in the United States, 1937-2000. Wildl Soc Bull 2003;31:1015–20.
Chabot D, Bird DM. Wildlife research and management methods in the 21st century: Where do unmanned aircraft fit in? J Unmanned Veh Syst 2015;3:137–55.
Scholten CN, Kamphuis AJ, Vredevoogd KJ, Lee-Strydhorst KG, Atma JL, Shea CB, et al. Real-time thermal imagery from an unmanned aerial vehicle can locate ground nests of a grassland songbird at rates similar to traditional methods. Biol Conserv 2019;233:241–6.
Chabot D, Francis CM. Computer-automated bird detection and counts in high-resolution aerial images: a review. J F Ornithol 2016;87:343–59.
Lyons MB, Brandis KJ, Murray NJ, Wilshire JH, McCann JA, Kingsford RT, et al. Monitoring large and complex wildlife aggregations with drones. Methods Ecol Evol 2019;10:1024–35.
Guo X, Shao Q, Li Y, Wang Y, Wang D, Liu J, et al. Application of UAV remote sensing for a population census of large wild herbivores-taking the headwater region of the Yellow River as an example. Remote Sens 2018;10:1041.
Hu J, Wu X, Dai M. Estimating the population size of migrating tibetan antelopes pantholops hodgsonii with unmanned aerial vehicles. Oryx 2020;54:101–9.
Wich S, Dellatore D, Houghton M, Ardi R, Koh LP. A preliminary assessment of using conservation drones for Sumatran orang-utan ( Pongo abelii ) distribution and density . J Unmanned Veh Syst 2016;4:45–52.
Bonnin N, Van Andel AC, Kerby JT, Piel AK, Pintea L, Wich SA. Assessment of chimpanzee nest detectability in drone-acquired images. Drones 2018;2:1–17.
Thapa GJ, Thapa K, Thapa R, Jnawali SR, Wich SA, Poudyal LP, et al. Counting crocodiles from the sky: monitoring the critically endangered gharial (Gavialis gangeticus) population with an unmanned aerial vehicle (UAV). J Unmanned Veh Syst. 2018;6:71–82.
Chabot D, Bird DM. Evaluation of an off-the-shelf unmanned aircraft system for surveying flocks of geese. Waterbirds. 2012;35:170–4.
Barnas AF, Chabot D, Hodgson AJ, Johnston DW, Bird DM, Ellis-Felege SN. A standardized protocol for reporting methods when using drones for wildlife research. J Unmanned Veh Syst. 2020;8:89–98.
Brack IV, Kindel A, Oliveira LFB. Detection errors in wildlife abundance estimates from Unmanned Aerial Systems (UAS) surveys: synthesis, solutions, and challenges. Methods Ecol Evol. 2018;9:1864–73.
Anderson DR. The need to get the basics right in wildlife field studies. Wildl Soc Bull. 2001;29:1294–7.
Elmore JA, Curran MF, Evans KO, Samiappan S, Zhou M, Pfeiffer MB, et al. Evidence on the effectiveness of small Unmanned Aircraft Systems (sUAS) as a survey tool for North American terrestrial, vertebrate animals: a systematic map protocol. Environ Evid. 2021;10:1–6.
James KL, Randall NP, Haddaway NR. A methodology for systematic mapping in environmental sciences. Environ Evid. 2016;5:1–13.
Mulero-Pázmány M, Jenni-Eiermann S, Strebel N, Sattler T, Negro JJ, Tablado Z. Unmanned aircraft systems as a new source of disturbance for wildlife: a systematic review. PLoS ONE. 2017;12: e0178448.
Colefax AP, Butcher PA, Pagendam DE, Kelaher BP. Reliability of marine faunal 760 detections in drone-based monitoring. Ocean Coast Manag 2019;174:108–15.
Joyce KE, Duce S, Leahy SM, Leon J, Maier SW, Joyce KE, et al. Principles and practice of acquiring drone-based image data in marine environments. Mar Freshw Res. 2018;70:952–63.
Lima SL, Blackwell BF, DeVault TL, Fernández-Juricic E. Animal reactions to oncoming vehicles: a conceptual review. Biol Rev. 2015;90:60–76.
Dolbeer RA, Beiger MJ, Miller PR, Weller JR, Anderson AL. Wildlife strikes to civil aircraft in the United States 1990–2021. Washington, DC: 2021. https://www.faa.gov/sites/faa.gov/files/2022-07/Wildlife-Strike-Report-1990-2021.pdf.
Devault TL, Blackwell BF, Belant JL, Begier MJ. Wildlife at Airports. 2017. https://digitalcommons.unl.edu/nwrcwdmts/10/?utm_source=digitalcommons.unl.edu%2Fnwrcwdmts%2F10&utm_medium=PDF&utm_campaign=PDFCoverPages.
López JJ, Mulero-Pázmány M. Drones for conservation in protected areas: present and future. Drones. 2019;3:1–23.
Wang D, Shao Q, Yue H. Surveying wild animals from satellites, manned aircraft and unmanned aerial systems (UASs): a review. Remote Sens. 2019;11:1308.
Ouzzani M, Hammady H, Fedorowicz Z, Elmagarmid A. Rayyan—a web and mobile app for systematic reviews. Syst Rev. 2016;5:210.
Zaugg H, West RE, Tateishi I, Randall DL. Mendeley: creating communities of scholarly inquiry through research collaboration. TechTrends. 2011;55:32–6.
Frampton GK, Livoreil B, Petrokofsky G. Eligibility screening in evidence synthesis of environmental management topics. Environ Evid. 2017;6:1–13.
Chabot D. Systematic evaluation of a stock unmanned aerial vehicle (UAV) system for small-scale wildlife survey applications. ProQuest Diss Theses. 2009.
Soares VHA, Ponti MA, Gonçalves RA, Campello RJGB. Cattle counting in the wild with geolocated aerial images in large pasture areas. Comput Electron Agric. 2021;189. https://doi.org/10.1016/j.compag.2021.106354.
Shao W, Kawakami R, Yoshihashi R, You S, Kawase H, Naemura T. Cattle detection and counting in UAV images based on convolutional neural networks. Int J Remote Sens. 2020;41:31–52.
R Core Team. R: a language and environment for statistical computing. 2022.
Foundation NSBNS. Publications Output: U.S. Trends and International Comparisons. 2019.
Burton AC, Neilson E, Moreira D, Ladle A, Steenweg R, Fisher JT, et al. REVIEW: wildlife camera trapping: a review and recommendations for linking surveys to ecological processes. J Appl Ecol. 2015;52:675–85.
Zmarz A, Rodzewicz M, Dąbski M, Karsznia I, Korczak-Abshire M, Chwedorzewska KJ. Application of UAV BVLOS remote sensing data for multi-faceted analysis of Antarctic ecosystem. Remote Sens Environ. 2018;217:375–88.
Hodgson JC, Baylis SM, Mott R, Herrod A, Clarke RH. Precision wildlife monitoring using unmanned aerial vehicles. Sci Rep. 2016;6:22574.
Wilson AM, Barr J, Zagorski M. The feasibility of counting songbirds using unmanned aerial vehicles. Auk Ornithol Adv. 2017;134:350–62.
Fu Y, Kinniry M, Kloepper LN. The Chirocopter: a UAV for recording sound and video of bats at altitude. Methods Ecol Evol. 2018;9:1531–5.
Hanessian J. The Antarctic Treaty 1959. Int Comp Law Q. 1959;1960(9):436–80.
Moura MR, Jetz W. Shortfalls and opportunities in terrestrial vertebrate species discovery. Nat Ecol Evol. 2021;5:631–9.
Federal Aviation Administration Drone Advisory Committee. Drone Advisory Committee Public eBook June 23, 2021 DAC Meeting - Virtual. 2021.
Zhou M, Elmore JA, Samiappan S, Evans KO, Pfeiffer MB, Blackwell BF, et al. Improving animal monitoring using small unmanned aircraft systems (sUAS) and deep learning networks. Sensors 2021;21. https://www.mdpi.com/1424-8220/21/17/5697
Martin J, Edwards HH, Burgess MA, Percival HF, Fagan DE, Gardner BE, et al. Estimating distribution of hidden objects with drones: from tennis balls to manatees. PLoS ONE. 2012;7:1–9.
Sardà-Palomera F, Bota G, Viñolo C, Pallarés O, Sazatornil V, Brotons L, et al. Fine-scale bird monitoring from light unmanned aircraft systems. Ibis (Lond 1859). 2012;154:177–83.
Jones LR, Godollei E, Sosa A, Hucks K, Walter ST, Leberg PL, et al. Validating an unmanned aerial vehicle (UAV) approach to survey colonial waterbirds. Waterbirds. 2021;43:263–70.
Dickens J, Hollyman PR, Hart T, Clucas G V., Murphy EJ, Poncet S, et al. Developing UAV monitoring of South Georgia and the South Sandwich Islands’ iconic land-based marine predators. Front Mar Sci 2021;8. https://www.frontiersin.org/articles/10.3389/fmars.2021.654215/full
Lisein J, Linchant J, Lejeune P, Bouche P, Vermeulen C. Aerial surveys using an unmanned aerial system (UAS): comparison of different methods for estimating the surface area of sampling strips. Trop Conserv Sci. 2013;6:506–20.
Brunton EA, Leon JX, Burnett SE. Evaluating the efficacy and optimal deployment of thermal infrared and true-colour imaging when using drones for monitoring kangaroos. Drones. 2020;4:1–12.
Barr JR, Green MC, DeMaso SJ, Hardy TB. Detectability and visibility biases associated with using a consumer-grade unmanned aircraft to survey nesting colonial waterbirds. J F Ornithol. 2018;89:242–57.
Patterson C, Koski W, Pace P, McLuckie B, Bird DM. Evaluation of an unmanned aircraft system for detecting surrogate caribou targets in Labrador. J Unmanned Veh Syst. 2015;4. https://www.frontiersin.org/articles/10.3389/fmars.2021.654215/full
Linchant J, Lhoest S, Quevauvillers S, Lejeune P, Vermeulen CC, Ngabinzeke JS, et al. UAS imagery reveals new survey opportunities for counting hippos. PLoS ONE. 2018;13:1–17.
Barea-Azcón JM, Virgós E, Ballesteros-Duperón E, Moleón M, Chirosa M. Surveying carnivores at large spatial scales: a comparison of four broad-applied methods. Biodivers Conserv. 2007;16:1213–30.
Middleton AD, Sawyer H, Merkle JA, Kauffman MJ, Cole EK, Dewey SR, et al. Conserving transboundary wildlife migrations: recent insights from the Greater Yellowstone Ecosystem. Front Ecol Environ. 2020;18:83–91.
Pease BS, Pacifici K, Collazo JA. Survey design optimization for monitoring wildlife communities in areas managed for federally endangered species. Anim Conserv. 2021;24:756–69.
Cely JE. Wildlife effects of Hurricane Hugo. J Coast Res Spec Issue. 1991;8:319–26.
Abbitt RJF, Scott JM, Wilcove DS. The geography of vulnerability: incorporating species geography and human development patterns into conservation planning. Biol Conserv. 2000;96:169–75.
DeVault TL, Blackwell BF, Belant JL. Wildlife in airport environments: preventing animal–aircraft collisions through science-based management. Baltimore: JHU Press; 2013.
Mustafa O, Braun C, Esefeld J, Knetsch S, Maercker J, Pfeifer C, et al. Detecting Antarctic seals and flying seabirds by UAV. In: ISPRS Annals of the photogrammetry, remote sensing and spatial information sciences. 2019. pp 141–8.
McKellar AE, Shephard NG, Chabot D. Dual visible-thermal camera approach facilitates drone surveys of colonial marshbirds. Remote Sens Ecol Conserv. 2021;7:214–26.
Delisle ZJ, Flaherty EA, Nobbe MR, Wzientek CM, Swihart RK. Next-generation camera trapping: systematic review of historic trends suggests keys to expanded research applications in ecology and conservation. Front Ecol Evol. 2021;9:97.
Pillay R, Venter M, Aragon-Osejo J, González-del-Pliego P, Hansen AJ, Watson JEM, et al. Tropical forests are home to over half of the world’s vertebrate species. Front Ecol Environ. 2022;20:10–5.
Brown JH. Why are there so many species in the tropics? J Biogeogr. 2014;41:8–22.
Balmford A, Gaston KJ, Blyth S, James A, Kapos V. Global variation in terrestrial conservation costs, conservation benefits, and unmet conservation needs. Proc Natl Acad Sci U S A. 2003;100:1046–50.
Burke C, Rashman MF, Longmore SN, McAree O, Glover-Kapfer P, Ancrenaz M, et al. Successful observation of orangutans in the wild with thermal-equipped drones. J Unmanned Veh Syst. 2019;7:235–57.
Kays R, Sheppard J, Mclean K, Welch C, Paunescu C, Wang V, et al. Hot monkey, cold reality: surveying rainforest canopy mammals using drone-mounted thermal infrared sensors. Int J Remote Sens. 2019;40:407–19.
He G, Yang H, Pan R, Sun Y, Zheng P, Wang J, et al. Using unmanned aerial vehicles with thermal-image acquisition cameras for animal surveys: a case study on the Sichuan snub-nosed monkey in the Qinling Mountains. Integr Zool. 2020;15:79–86.
Bowley C, Mattingly M, Barnas A, Ellis-Felege S, Desell T. An analysis of altitude, citizen science and a convolutional neural network feedback loop on object detection in Unmanned Aerial Systems. J Comput Sci. 2019;34:102–16.