Beobachtung von in Gruppen lebenden Tieren mit Drohnen und Computer Vision

Eine Drohne fliegt über eine Herde Steppenzebras in Zentralkenia. Es fliegt ziemlich hoch, damit die Tiere davon nicht gestört werden. Diese Zebras sind laut den Forschern Ben Koger und Blair Costelloe, die die Drohne überwachen, sehr interessant für kollektive und räumliche Verhaltensstudien.

Die Steppenzebras leben in mehrstufigen Gesellschaften: Kleine Gruppen von Weibchen und einem Männchen schließen sich zu größeren Herden von Dutzenden von Tieren zusammen. Diese soziale und räumliche Struktur könnte Verhaltensprozesse wie Entscheidungsfindung und Informationsaustausch beeinflussen und Auswirkungen auf das Verständnis unserer eigenen komplexen Gesellschaften haben. Traditionell war es sehr schwierig, diese Art von Forschung durchzuführen. Aber neue Techniken, die ihr Team mithilfe von bildgebenden Drohnen und künstlicher Intelligenz entwickelt hat, eröffnen neue Möglichkeiten.

Um Tiergruppen wie Zebras oder Gelada-Affen zu erforschen, haben Ben Koger, Blair Costelloe, Iain Couzin und andere Forscher vom Max-Planck-Institut für Verhaltensbiologie, dem „Centre for the Advanced Study of Collective Behavior“ (CASCB) an der Universität von Konstanz und die Universität Aarhus entwickelten eine neue Methode zum Sammeln von Daten über das Verhalten von Tieren und die sie umgebende natürliche physische Landschaft mithilfe von Drohnen und Computervision.

Die Forscher verwenden bildgebende Drohnen, um ganze Tiergruppen in natürlichen Umgebungen aufzunehmen. Der Verhaltensökologe Blair Costelloe beschreibt die Methode: „Wir haben eine analytische Pipeline erstellt, mit der wir Drohnenaufnahmen aus der Luft machen und Informationen über die Standorte, Bewegungen und das Verhalten der Tiere extrahieren können. Wir können ihre räumliche Verteilung und ihre Verhaltenszustände messen und erhalten reichhaltige Informationen über ihre Umgebung, einschließlich der 3D-Struktur der Umgebung.“

Tracking vom Labor ins Feld bringen

Früher erhielten Forscher meist hochpräzise Datensätze über die Dynamik von Tiergruppen unter streng kontrollierten Laborbedingungen, in denen Sie Experimente immer wieder wiederholen konnten. Aber das Team fragte sich: „Können wir bildgebende Drohnen und neue Computeralgorithmen verwenden, um die gleichen Laboransätze zu verfolgen, sie aber in die natürlichen Landschaften zu bringen?“

Es ist möglich – aber einige Herausforderungen mussten gelöst werden. „Wir haben oft 20 oder mehr verschiedene Personen gleichzeitig aufgenommen. Es würde Wochen dauern, in einer einzigen halbstündigen Videobeobachtung zu quantifizieren, wo sich jede der Personen befindet“, erklärt Ben Koger. „Die erste Herausforderung war, wie wir die Tiere, an denen wir interessiert sind, automatisch erkennen können?“

Die Lösung bestand darin, leistungsstarke Deep-Learning-Algorithmen zu trainieren. Die zweite Herausforderung: Die Forscher interessierten sich für die Bewegungen der Tiere, und doch enthielten die von ihnen aufgenommenen Videos nicht nur Tierbewegungen, sondern auch Drohnenbewegungen und Verzerrungen aus der hügeligen Landschaft, über die sie gefilmt wurden. All diese verschiedenen Elemente mussten entwirrt werden, bevor sie aussagekräftige Daten erhalten konnten.

Vorteile der neuen Methode

„Die Stärke unserer bildbasierten Methode liegt darin, dass sie eine allgemeine Lösung ist“, sagt Koger. Da die Drohnen nicht nur die Tiergruppe, sondern auch die Landschaft beobachten, erhält man einen sehr breiten Datensatz, der Informationen zum sozialen und ökologischen Kontext aller Tiere der beobachteten Gruppe enthält.

Dies ist möglich, weil sie die 3D-Landschaft, die sie aufnehmen, explizit modellieren. Damit ist die Methode in jeder offenen Landschaft anwendbar und erlaubt Forschern, die Auswirkungen des Lebensraums auf das Verhalten explizit zu untersuchen. „Das ist ein wirklich starker Ansatz, der bisher sehr schwierig war“, sagt Blair Costelloe.

Ein weiterer Vorteil im Gegensatz zu einer anderen gängigen Methode besteht darin, dass Tiere nicht gefangen und mit Bewegungssensoren ausgestattet werden müssen, was ein riskantes und teures Verfahren sein kann, insbesondere wenn mit gefährdeten Arten wie dem Grevy-Zebra gearbeitet wird.

Einsatzmöglichkeiten

Weltweit gehen die Wildtierpopulationen aufgrund des Verlusts von Lebensräumen, des Klimawandels und anderer Bedrohungen zurück. Wenn Sie mehr darüber erfahren, wie sich Tiergruppen in komplexen natürlichen Umgebungen verhalten, kann dies dazu beitragen, Schutzmaßnahmen zu informieren und neue Einblicke in das Leben und Verhalten von Wildtierarten zu gewinnen.

In ihrer Arbeit, veröffentlicht in der Zeitschrift für Tierökologieskizziert das Team bestimmte Forschungsbereiche, in denen ihre Methode ein starkes Potenzial hat, neue Erkenntnisse zu gewinnen, wie etwa räumlich vermittelte Verhaltensprozesse, kollektives Verhalten mehrerer Tiere und Tier-Umwelt-Interaktionen.

Das Papier enthält Fallstudien über Grevy-Zebras in Kenia und Gelada-Affen in Äthiopien. „Eine der Stärken unserer Methoden ist, dass sie an viele verschiedene Arten und Umgebungen angepasst werden können“, sagt Blair Costelloe. Deshalb ist sie optimistisch für den Einsatz der neuen Methode. „Ich denke, diese Methode hat das Potenzial, uns dabei zu helfen, ein mechanistischeres Verständnis dafür zu entwickeln, wie individuelle Verhaltensweisen die Phänomene höherer Ordnung erzeugen, die für den Naturschutz von Interesse sind“, sagt Costelloe.

Das Team arbeitet nun an den generierten Daten, um bald mehr Einblicke in das Gruppenverhalten von Geladas sowie afrikanischen Huftieren wie Zebras zu geben.