Χρήση χρονοσειρών τηλεπισκοπικών δεδομένων για τον εντοπισμό και την παρακολούθηση μεμονωμένων φωλιών πτηνών σε μεγάλη χωρική κλίμακα

Από RemoteSensing Wiki

Αναθεώρηση της 19:19, 1 Φεβρουαρίου 2026

Χρήση χρονοσειρών τηλεπισκοπικών δεδομένων για τον εντοπισμό και την παρακολούθηση μεμονωμένων φωλιών πτηνών σε μεγάλη χωρική κλίμακα

Πρωτότυπος τίτλος: Using time-series remote sensing to identify and track individual bird nests at large scales Journal: Remote Sensing in Ecology and Conservation

Συγγραφείς: S. K. Morgan Ernest , Lindsey A. Garner , Ben G. Weinstein, Peter Frederick, Henry Senyondo,Glenda M. Yenni & Ethan P. White

Δημοσιεύθηκε: Remote Sensing in Ecology and Conservation

Σύνδεσμος πρωτότυπου κειμένου: [1]

Σκοπός της εργασίας

Ο κύριος στόχος της παρούσας μελέτης είναι η αξιολόγηση της δυνατότητας αξιοποίησης χρονοσειρών τηλεπισκοπικών δεδομένων υψηλής χωρικής ανάλυσης για τον εντοπισμό και τη συστηματική παρακολούθηση μεμονωμένων φωλιών πτηνών σε εκτεταμένες χωρικές κλίμακες. Οι συγγραφείς επιδιώκουν να αντιμετωπίσουν τις αδυναμίες των συμβατικών μεθόδων απογραφής, οι οποίες στηρίζονται κυρίως σε επίγειες καταγραφές ή σε μεμονωμένες αεροφωτογραφίες και συχνά χαρακτηρίζονται από αυξημένες απαιτήσεις σε χρόνο και κόστος, καθώς και περιορισμένη χωρική κάλυψη. Η έρευνα εστιάζει στην ανάπτυξη μιας πλήρως αυτοματοποιημένης προσέγγισης που συνδυάζει τεχνικές υπολογιστικής όρασης και μηχανικής μάθησης με οικολογικά τεκμηριωμένους κανόνες, αντιμετωπίζοντας τις φωλιές πτηνών ως δυναμικές δομές που εξελίσσονται στον χρόνο. Η διαχρονική αυτή θεώρηση επιτρέπει την καταγραφή τόσο της παρουσίας όσο και της διάρκειας λειτουργίας των φωλιών, συμβάλλοντας στην εξαγωγή κρίσιμων δημογραφικών δεικτών, όπως η αναπαραγωγική επιτυχία. Τελικός στόχος είναι η αξιολόγηση της αξιοπιστίας της προτεινόμενης μεθοδολογίας σε σύγκριση με την ανθρώπινη οπτική ερμηνεία και η διερεύνηση της εφαρμογής της στη βιολογία διατήρησης και στη διαχείριση φυσικών οικοσυστημάτων.

Περιοχή μελέτης

Η περιοχή μελέτης βρίσκεται στο Εθνικό Πάρκο Everglades, στη νότια Φλόριντα των Ηνωμένων Πολιτειών. Πρόκειται για έναν υγρότοπο με μεγάλη έκταση και υψηλή οικολογική αξία, το οποίο φιλοξενεί σημαντικούς πληθυσμούς υδρόβιων και παρυδάτιων πτηνών. Η περιοχή χαρακτηρίζεται από έντονη εποχικότητα, μεταβολές στη στάθμη των υδάτων και ετερογενή βλάστηση, παράγοντες που καθιστούν τη χαρτογράφηση και παρακολούθηση φωλιών ιδιαίτερα απαιτητική. Η μελέτη επικεντρώνεται σε αποικίες φωλεοποίησης πτηνών, κυρίως ερωδιών και συναφών ειδών, τα οποία δημιουργούν φωλιές σε συστάδες βλάστησης εντός υγρών περιοχών. Οι συγκεκριμένες αποικίες αποτελούν ιδανικό πεδίο δοκιμής, καθώς παρουσιάζουν υψηλή πυκνότητα φωλιών, αλλά και δυναμικές μεταβολές κατά τη διάρκεια της αναπαραγωγικής περιόδου. Η επιλογή της περιοχής μελέτης επιτρέπει την αξιολόγηση της μεθοδολογίας σε ένα πολύπλοκο φυσικό περιβάλλον, με έντονες χωρικές και χρονικές μεταβολές, ενισχύοντας τη δυνατότητα γενίκευσης των αποτελεσμάτων.

Μεθοδολογία

Η μεθοδολογία της μελέτης βασίζεται στη συλλογή χρονοσειρών εναέριων εικόνων υψηλής χωρικής ανάλυσης με χρήση μη επανδρωμένων αεροσκαφών (UAS – drones) σε εβδομαδιαία βάση κατά τη διάρκεια της αναπαραγωγικής περιόδου. Οι εικόνες αποκτήθηκαν με κάμερες υψηλής ανάλυσης (RGB, ~1–2 cm/pixel) και υποβλήθηκαν σε γεωαναφορά και ευθυγράμμιση μεταξύ διαδοχικών λήψεων, ώστε να εξασφαλιστεί η χωρική συνέπεια των δεδομένων και η αξιοπιστία των συγκρίσεων στον χρόνο. Για την ανίχνευση των πτηνών εφαρμόστηκε ο αλγόριθμος RetinaNet 50 (DeepForest bird detector), ένα σύγχρονο μοντέλο υπολογιστικής όρασης εκπαιδευμένο σε εκατοντάδες εικόνες πτηνών από προηγούμενες πτήσεις. Το μοντέλο αυτό επέτρεψε την αυτόματη αναγνώριση πτηνών μέσα σε πολύπλοκα φυσικά περιβάλλοντα, με υψηλή ακρίβεια εντοπισμού. Οι ανιχνεύσεις πτηνών στη συνέχεια επεξεργάστηκαν με δύο κανόνες χρονοσειράς για να προβλεφθούν φωλιές: ο κανόνας bird bird bird, ο οποίος θεωρεί ότι μια θέση περιέχει φωλιά εφόσον εμφανιστούν τουλάχιστον τρεις ανιχνεύσεις πτηνών σε διαφορετικές χρονικές στιγμές, και ο κανόνας bird bird plus, που επιτρέπει την εκτίμηση φωλιάς είτε με τρεις ανιχνεύσεις είτε με δύο διαδοχικές εμφανίσεις. Αυτοί οι κανόνες συνδυάζουν την ανίχνευση πτηνών με οικολογικά τεκμηριωμένα πρότυπα συμπεριφοράς φωλεοποίησης, αντιμετωπίζοντας τις φωλιές ως δυναμικές δομές που εξελίσσονται στον χρόνο. Η εφαρμογή των κανόνων αυτών επέτρεψε τη μετατροπή των σημείων παρουσίας πτηνών σε εκτιμήσεις θέσεων φωλιών, οι οποίες μπορούσαν να παρακολουθούνται διαχρονικά, παρέχοντας στοιχεία για τη διάρκεια λειτουργίας κάθε φωλιάς. Η αξιολόγηση της μεθόδου έγινε συγκρίνοντας τα αποτελέσματα της αυτοματοποιημένης ανάλυσης με ανθρώπινη οπτική ερμηνεία των ίδιων εικόνων, επιτρέποντας την ποσοτική αποτίμηση της ακρίβειας, της ευαισθησίας και της αξιοπιστίας της προσέγγισης.

Αποτελέσματα

Τα αποτελέσματα έδειξαν ότι η προτεινόμενη αυτοματοποιημένη μέθοδος, η οποία συνδυάζει την ανίχνευση πτηνών με το μοντέλο RetinaNet 50 (DeepForest bird detector) και την εφαρμογή κανόνων χρονοσειράς (bird bird bird και bird bird plus), είναι ικανή να εντοπίζει φωλιές με ακρίβεια συγκρίσιμη με εκείνη της ανθρώπινης οπτικής ερμηνείας. Ιδιαίτερα για φωλιές που παρέμειναν ενεργές για μεγάλο χρονικό διάστημα, ο κανόνας bird bird bird απέδωσε εξαιρετικά καλά, με πολύ υψηλό ποσοστό εντοπισμού (>90% recall) και ελάχιστα ψευδώς θετικά αποτελέσματα, καθιστώντας τον την πιο σταθερή επιλογή για αξιόπιστη χαρτογράφηση φωλιών. Ο κανόνας bird bird plus, αν και επέτρεψε τον εντοπισμό ορισμένων φωλιών που το bird bird bird δεν ανίχνευσε, παρουσίασε περισσότερα false positives, καθώς εντόπιζε σημεία όπου πτηνά παρέμεναν προσωρινά χωρίς να φωλεοποιούν. Η χρήση χρονοσειρών αποδείχθηκε καθοριστική για τη μείωση των σφαλμάτων που προκύπτουν από στιγμιαίες παρατηρήσεις και για τη διάκριση μεταξύ πραγματικών φωλιών και παροδικών παρουσιών πτηνών. Παρά τους περιορισμούς, η συνολική απόδοση της μεθόδου κρίθηκε πολύ ικανοποιητική, επιβεβαιώνοντας ότι η αυτοματοποιημένη προσέγγιση μπορεί να αντικαταστήσει σε μεγάλο βαθμό την ανθρώπινη επεξεργασία, ιδιαίτερα σε μεγάλες χωρικές εκτάσεις και πολλαπλές χρονικές στιγμές. Τα αποτελέσματα αναδεικνύουν τη δυνατότητα χρήσης της τηλεπισκόπησης σε συνδυασμό με μηχανική μάθηση και κανόνες χρονοσειράς ως αξιόπιστο εργαλείο για παρακολούθηση φωλιών και μελέτη δημογραφικών δεικτών σε οικολογικές έρευνες μεγάλης κλίμακας.

Συμπεράσματα

Η μελέτη καταδεικνύει ότι ο συνδυασμός τηλεπισκόπησης υψηλής ανάλυσης, αλγορίθμων μηχανικής μάθησης (RetinaNet 50/DeepForest) και κανόνων χρονοσειράς (bird bird bird και bird bird plus) αποτελεί μια αποτελεσματική και αξιόπιστη μέθοδο για τον εντοπισμό και την παρακολούθηση μεμονωμένων φωλιών πτηνών σε μεγάλη χωρική κλίμακα. Ο κανόνας bird bird bird απέδωσε σταθερά υψηλή ακρίβεια και δυνατότητα αναγνώρισης φωλιών με μεγάλη διάρκεια ζωής, ενώ ο κανόνας bird bird plus παρείχε μεγαλύτερη ευαισθησία σε βραχύβιες φωλιές, με αυξημένο όμως ποσοστό ψευδώς θετικών ανιχνεύσεων. Η εφαρμογή χρονοσειρών αποδείχθηκε κρίσιμη για τη μείωση σφαλμάτων και την αξιολόγηση της δυναμικής των φωλιών, επιτρέποντας τη μέτρηση δημογραφικών δεικτών όπως η αναπαραγωγική επιτυχία. Συνολικά, η αυτοματοποιημένη μέθοδος επιτρέπει την κλιμάκωση της παρακολούθησης σε εκτεταμένες περιοχές και πολλαπλές χρονικές στιγμές, προσφέροντας μια λειτουργική και επεκτάσιμη λύση για εφαρμογές στη βιολογία διατήρησης, τη διαχείριση φυσικών οικοσυστημάτων και μελλοντικές οικολογικές έρευνες μεγάλης κλίμακας.