Как понимание поведения животных помогает сохранять дикую природу

Исследователи из EPFL и Цюрихского университета разработали модель, которая использует данные с датчиков, закреплённых на сурикатах, чтобы получить более детальную картину поведения животных в дикой природе.

Прогресс в технологиях сенсоров означает, что полевые биологи теперь собирают всё больше данных о поведении животных с высокой точностью. Однако в настоящее время нет стандартизированного метода для точного определения того, как интерпретировать эти сигналы. Например, сигнал о том, что животное активно, может означать, что оно перемещается; альтернативно, это может указывать на то, что оно роет землю в поисках любимой добычи — скорпионов. Точно так же неподвижный сурикат может отдыхать — или стоять на страже.

В попытке ответить на эти вопросы исследователи из Лаборатории анализа и измерения движений (LMAM) Инженерной школы EPFL объединились с коллегами из Исследовательской группы по популяционной экологии Цюрихского университета, чтобы разработать модель распознавания поведения. Исследование проводилось в сотрудничестве с Исследовательским центром Калахари.

Оценка влияния человека на дикую природу

«Деятельность человека оказывает всё большее и более частое влияние на поведение животных, — говорит Притиш Чакраварти, аспирант LMAM. — Как только мы поймём, как поведение животных меняется в ответ на внешние стимулы, мы сможем лучше формировать наши усилия по сохранению». Чакраварти поясняет, например, что власти могут обозначить известные места кормления и охоты как охраняемые территории. «Но это может произойти только в том случае, если мы с высокой точностью знаем, какие сигналы означают, что животное ищет пищу, меняет местоположение или занято статичной деятельностью».

Новый биомеханический подход

Новая модель опирается на общие биомеханические принципы, такие как поза, интенсивность и частота движений. Она позволяет исследователям точно определять, что животное делает — отдыхает, стоит на страже, бежит или ищет пищу — используя данные носимого акселерометра. Это устройство, совместимое с различными видами, было адаптировано исследовательской группой LMAM для сбора данных, таких как наклон тела, ускорение, вибрации и удары.

Сначала модель различает две широкие категории поведения — динамическое (бег, поиск пищи) и статическое (отдых, наблюдение) — путём анализа интенсивности движения и позы. Если животное неподвижно, исследователи могут определить, отдыхает оно или стоит на страже, по наклону его туловища. А когда животное движется, они могут использовать интенсивность и частоту движений, чтобы определить, бежит оно или ищет пищу.

Полевые данные

Полевые работы проводились специально обученными долгосрочными волонтёрами в Исследовательском центре Калахари. Команда закрепила ошейники с датчиками на 10 сурикатах, а затем в течение трёх часов записывала данные и снимала животных на видео. Проанализировав записи для идентификации различных типов активности, исследователи разработали гибридную модель, используя биомеханические принципы и собранные в полевых условиях данные для обучения алгоритма машинного обучения распознаванию различных паттернов поведения.

Работа исследователей знаменует собой первый шаг к стандартизированному методу анализа поведения животных по сигналам носимых акселерометров. Модель может быть усовершенствована для получения более точной и детальной информации о конкретных типах поведения в будущих исследованиях. «Модель можно использовать, например, для оценки того, сколько энергии животное тратит на поиск пищи, — говорит Чакраварти. — Это рассказало бы нам, сколько времени и усилий требуется сурикату, чтобы найти что-то съестное, и представляет ли конкретное место особый интерес для группы».