提升野生动物监测：基于无人机的罗 deer 密度估计

我们利用无人机对 southeastern Austria 的野生动物密度进行估计，并将其结果与相机陷阱数据进行比较。传统方法如捕获-再捕获、距离抽样或相机陷阱已被广泛采用，但工作量大或受空间限制。通过热成像（IR）和 RGB 图像，无人机实现了高效、非干扰性的动物计数。我们的调查在 2024 年 10 月和 11 月的单日内进行，位于亚 Illyrian 丘陵和坝地景观的三个区域。飞行 transect 基于预定义的 launch 点，使用 350 米网格和定义系统随机化 transect 方向的算法。该 setup 允许在单日内使用多个无人机覆盖大范围区域，最小化重复计数。飞行高度设置为 60 米，以避免干扰 roe deer（Capreolus capreolus），同时确保检测效果。动物在记录的图像中被手动注释，并外推至每平方公里的密度。我们应用了三种递增复杂度的外推方法：简单基于面积的外推、自助抽样（bootstrapping）和零负载负二项式建模。为比较，计算了使用飞行期间相机陷阱数据的随机遭遇模型（REM）估计。无人机方法的结果大致相同，总体显示出高于 REM 的密度，除了 10 月的一个区域外。我们假设，无人机密度反映了开放和森林区域中白天活动，而 REM 估计则反映了森林区域中较长时间内的平均活动。尽管两种方法都能估计密度，但提供了关于野生动物分布的不同视角。我们的结果表明，无人机为野生动物密度估计提供了一条有前景的可扩展方法。