Mitä riistakameran kuvien data tarkoittaa: päivämäärä, lämpötila, kuun vaihe ja kameran tunnus

Katso lähes minkä tahansa riistakameran kuvan alalaitaa, niin näet sen: ohuen mustan palkin, joka on täynnä numeroita ja symboleja. Päivämäärä. Kellonaika. Pieni lämpömittarin lukema. Kuunsirpin kuvake. Ehkä lämpötila, akkupalkki, nimi jonka kirjoitit kuukausia sitten ja unohdit. Useimmat vilkaisevat sen ohi matkalla hirveen. Tuo nauha on kuvan aliarvostetuin osa – ja heti kun osaat lukea sitä, jokainen ottamasi kuva muuttuu pelkän kuvan sijaan datapisteeksi.

Tässä pikaversio. Tuo datanauha on kameran tapa kertoa sinulle, milloin kuva otettiin, kuinka lämmintä laitteen kohdalla oli, missä kuu oli kierrossaan ja mikä kamera otti kuvan. Päivämäärä ja kellonaika ovat kantava osa – jos ne ovat väärin, kaikki muu mitä yrität kuvasta oppia rakentuu hiekalle. Lämpötila on karkeasti hyödyllinen mutta yllättävän epäluotettava. Kuun vaihe on aitoa tähtitiedettä mutta heikko ennustaja juuri sille, minkä useimmat toivovat sen ennustavan. Ja kameran tunnus on tylsä kenttä, joka pitää monikameraisen kokoonpanon hiljaisesti kaaokselta. Käydään jokainen läpi: mitä se oikeasti tarkoittaa ja – vielä olennaisempaa – mitä fiksu ihminen tekee sillä.

Mistä nauha tulee (ja mistä ei)

Palkilla tapahtuu kaksi eri asiaa, ja niiden erottaminen auttaa.

Päivämäärän, kellonajan, lämpötilan, kuun kuvakkeen ja kameran nimen leimaa kuvaan kamera itse laukaisuhetkellä oman sisäisen kellonsa ja anturinsa avulla. Mutta on toinen, näkymätön kerros. Jokainen nykyaikainen kamera kirjoittaa kuvausajan myös kuvan EXIF-dataan – Exchangeable Image File Format, tekninen metadata, jonka digikamerat leipovat JPEG-kuviin. Et näe EXIFiä kuvassa, mutta ohjelmistot näkevät, ja tuo aikaleima on koukku, jonka avulla sovellukset voivat hakea lisädataa jälkikäteen. trail.cam esimerkiksi ottaa kunkin kuvan aikaleiman ja liittää havaintoon automaattisesti lähimmän aseman sään: lämpötilan, olosuhteet, tuulen, ilmanpaineen, kosteuden, auringonnousun ja -laskun sekä kuun vaiheen.

Tuo ero merkitsee enemmän kuin miltä kuulostaa. Sovelluksessa näkyvää ilmanpainetta ja kuun vaihetta ei lähes varmasti mitannut kamerasi – ne on laskettu aikaleimasta ja säätietokannasta. Kamerassasi on lämpömittari ja kello; siinä ei ole ilmapuntaria eikä ikkunaa taivaalle. Pidä tämä mielessä edetessämme, sillä se muuttaa sen, kuinka paljon kuhunkin kenttään kannattaa luottaa.

Päivämäärä ja kellonaika: kenttä, josta kaikki muu riippuu

Jos tarkistat nauhalta koskaan vain yhden asian, tarkista kello.

Aikaleima on kuvan ankkuri ajassa. EXIF-termein olennainen tunniste on `DateTimeOriginal`: ”päivämäärä ja kellonaika, jolloin alkuperäinen kuvadata syntyi. Digikamerassa tallennetaan kuvanottohetken päivämäärä ja aika”, muodossa `YYYY:MM:DD HH:MM:SS` 24 tunnin kellossa. Kun se on asetettu oikein, siihen voi luottaa sekunnin tarkkuudella. Ongelma on tuossa pienessä lauseenpätkässä – kun se on asetettu oikein.

Kamerat on järkyttävän helppo saada väärin ajan suhteen, ja väärä kello myrkyttää kaiken hiljaa. Tutkijat, jotka rakensivat ohjelmiston riistakamerakuvien analysointiin luetteloivat neljä tapaa, joilla aikaleima menee pieleen, ja jokainen niistä esiintyy myös pihakameroissa:

• Kelloa ei koskaan asetettu oikein käyttöönotossa. Laitat tuoreet paristot, painat käyntiin etkä huomannut, että päivämäärä jäi tehdasasetukselle. Nyt jokainen kuva on samalla kiinteällä määrällä pielessä.
• Kesäaika. Kamera ei siirrä kelloa eteen- eikä taaksepäin, joten kokonainen jakso kuviasi on tasan tunnin pielessä.
• Kellon ryömintä. Sisäinen kello käy aavistuksen liian nopeasti tai hitaasti, joten virhe kasvaa viikkojen mittaan – peräkkäisten kuvien päivämäärä ja aika muuttuvat ”yhä epätarkemmiksi” mitä kauemmin kamera on paikallaan.
• Epäselvä päivämäärämuoto. Muodossa `02/10/2019` kirjoitettu päivämäärä voi olla 2. lokakuuta tai 10. helmikuuta sen mukaan, käyttääkö kamera järjestystä päivä/kuukausi vai kuukausi/päivä – ja kamerat, jotka tallentavat vain kaksinumeroisen vuoden (`02/10/10`), pahentavat asiaa.

Mikään näistä ei estä kameraa ottamasta kuvia. Ne vain saavat kuvat valehtelemaan siitä, milloin. Ja koko syy siihen, miksi ajasta kannattaa vouhottaa, on se, että vuorokaudenaika on luotettavin eläinten aktiivisuuden signaali, jonka koskaan tuolta nauhalta saat – paljon varmempi kuin lämpötila, kuu tai paine.

Mieti, mitä hyvä aikadata paljastaa. GPS-tutkimus saksanhirvistä Alankomaissa ja wapitipeuroista Kanadassa havaitsi, että aktiivisuushuiput ”jäivät aina jälkeen” hämärästä – eläimet eivät ennakoineet aamun ja illan koittoa, ne reagoivat muuttuvaan valoon, ja aamuhuippu osui lähes kaksi tuntia ensivalon jälkeen kanadalaisessa laumassa. Valkohäntäpeuran urospuoliset ovat oppikirjaesimerkki hämäräeläimestä: noin 60 prosenttia siitä, mitä ne tekevät hämärätunteina, on ruokailua tai kävelyä, ja keskipäivän ne makaavat suurimman osan. Tuo aamu- ja iltahämärän rytmi on se sydämenlyönti, jota aikaleimasi tallentavat. Aseta kello oikein, ja kuvasi piirtävät tuon käyrän puolestasi. Erehdy tunnin verran, ja ”ensivalon” kuva lukeutuu myöhäisen aamun kuvaksi.

Tarkka aika antaa sinun myös nähdä käyttäytymisen muuttuvan kauden aikana. Kun metsästyspaine saapuu, hirvieläimet eivät välttämättä lähde – ne muuttuvat yöaktiivisiksi. Sikahirven kannanhoitotutkimus dokumentoi aktiivisuushuippujen siirtyvän kohti yötä paineen kasvaessa, ja siirtymä säilyi vielä sittenkin, kun kannanhoito loppui. Hoidetulla maalla urokset käyvät ruokintapelloilla ja ruokinta-automaateilla paljon enemmän yöllä kuin päivällä, kun kausi on avattu. Koko tuo tarina – lauma, joka kääntyy hiljaa päivästä yöhön – on näkymätön ilman luotettavia aikaleimoja. Nauhan numerot ovat sen ainoa tallenne.

Ennen kuin kamera lähtee ulos: aseta päivämäärä, aika ja muoto käsin, tarkista aamu/iltapäivä kahteen kertaan, ja kun kauden kellot vaihtuvat, muista että kamerasi ei vaihda.

Tuo aamu- ja iltahämärän rytmi on se sydämenlyönti, jota aikaleimasi tallentavat.

Lämpötila: hyödyllinen, mutta älä luota siihen asteen tarkkuudella

Useimmat kamerat tulostavat nauhalle lämpötilan, ja se tuntuu arvovaltaiselta. Kohtele sitä karkeana ohjenuorana, ei kalibroituna lukemana.

Tässä epämukava totuus, jonka huolellinen testaaja dokumentoi: infonauhan lämpötila voi olla täysin pielessä, koska kamera mittaa oman elektroniikkansa ympäröimää ilmaa, ei metsää. ”Karkaamis”-tapahtuman aikana – jossa kamera juuttuu ottamaan kuvaa kuvan perään – nauhan lämpötila kohosi yhdessä tapauksessa ”jopa noin 22 °C” todellisia oloja korkeammaksi ja toisessa noin 17 °C omaa lähtöpistettään korkeammaksi. Syyllinen oli yhteensopimattomien paristojen tuottama sisäinen lämpö, ja heikkoja kennoja mitattiin yli 43 °C:ssa kuormituksen alla. Ulkona sää ei ollut liikahtanut; kamera kypsensi itseään ja ilmoitti tuloksen ikään kuin se olisi ollut sää. Käytännön korjaukset ovat muutenkin hyviä tapoja: käytä tuoreita, keskenään yhteensopivia ja samaa kemiaa olevia paristoja, ja aseta lyhyt lepo laukaisujen väliin, jotta laite ehtii jäähtyä.

Silloinkin kun lukema on rehellinen, lämpötila ennustaa hirvieläinten liikettä heikommin kuin metsästysperinne antaa ymmärtää. Mississippi Staten analyysi löysi ”vain vähän näyttöä siitä, että sää vaikuttaisi hirvieläinten liikkeisiin”, ja suhteet olivat ”heikkoja” ja ”biologisesti vähämerkityksisiä”. Texasilainen tutkimus ei löytänyt ”mitään korrelaatiota” urosten aktiivisuuden ja lämpötilan välillä. National Deer Associationin katsaus GPS-tutkimuksiin päätyy samaan: lämpötilalla on jonkin verran vaikutusta, mutta vaikutus liikuttuun kokonaismatkaan on ”mitätön”, ja mitä lähemmäs kiimaa päästään, sitä vähemmän mikään säämuuttuja merkitsee.

Silti juuri tässä rehelliset lähteet eroavat toisistaan, ja sinun on hyvä tietää se. North Carolina Staten tutkijat havaitsivat ilman lämpötilan olevan ”johdonmukainen urosten liikkeen ennustaja kaikkina vuodenaikoina”, vaikka vaikutus oli hienovarainen. Ja moni kokenut metsästäjä vannoo, että jyrkkä kylmenemispiikki saa hirvieläimet jaloilleen – jännite, jonka aihetta käsittelevät tiedetoimittajat nimeävät suoraan: heikot korrelaatiot pantadatassa, vahva vakaumus maastossa. MSU Deer Labin tri Bronson Strickland jakaa eron suunnilleen puoliksi – muutoksia tapahtuu, kun rintama liikuttaa lämpötilaa, ”mutta jälleen, se ei ollut kovin dramaattista. Se oli aina hienovaraista”.

Joten nauhasi lämpötila kannattaa kirjata. Älä vain lyö aamua vetoon numerolla, joka saattaa lukea paristopakkaustasi, äläkä odota sen liikuttavan hirvieläimiä samalla tavalla kuin kiimapäiviä täynnä oleva kalenteri.

Kuun vaihe: aitoa tähtitiedettä, ylimyytynä liikkeen ennustajana

Tuo pieni kuun kuvake on kenttä, jonka ihmiset eniten toivovat olevan taikaa. Sen taustalla oleva tähtitiede on vankkaa. Siihen liimattu metsästyslupaus useimmiten ei ole.

Ensin, mitä kuvake tarkoittaa. Kuu kiertää kahdeksan nimettyä vaihetta – uusikuu, kasvava sirppi, ensimmäinen neljännes, kasvava kupura, täysikuu, vähenevä kupura, viimeinen neljännes, vähenevä sirppi – täyden kierron aikana, jonka keskimääräinen kesto on 29,5 vuorokautta, Yhdysvaltain laivaston observatorion mukaan. Uudenkuun aikaan valaistu osuus on 0; neljänneksissä se on 50 prosenttia; täysikuun aikaan 100 prosenttia. Puoliksi valaistu kuvake siis kertoo aidosti, että kuu heitti sinä yönä todellista valoa, ja uudenkuun kuvake kertoo, että oli pimeää. Tuo osa on totta ja tarkkaa.

Suosittu harppaus – että täysikuu naulitsee hirvieläimet paikoilleen yöksi ja vapauttaa ne päivällä, joten metsästykset pitäisi suunnitella kuukalenterin mukaan – on se osa, jonka tukemisesta data yhä kieltäytyy. Ajatus juontuu John Alden Knightiin, joka popularisoi ”Solunar”-taulukot vuonna 1936. Nykyaikaiset GPS-pannat ovat testanneet sen hengiltä:

• Penn State pannoitti aikuisia naaraita ja havaitsi, että hirvieläimet liikkuivat noin 6 metriä enemmän tunnissa uudenkuun aikaan kuin täysikuun aikaan – eron, jota tutkija kuvaili ”vain muutamaksi askeleeksi”, merkityksettömäksi 0–2 748 metrin tuntivauhdin vaihteluvälissä.
• MSU Deer Lab seurasi 48:aa pannoitettua urosta koko kauden ajan. Urokset liikkuivat laillisina ampuma-aikoina keskimäärin noin 240 metriä tunnissa; kiima lähes kaksinkertaisti tämän. Paras, mihin ”paras” kuupäivä ylsi, oli noin 4 metrin tuntivauhdin lisäys ilman käytännössä mitään muutosta makuuaikaan. Heidän tuomionsa: erot olivat ”olemattomia”, ja ”ei ole olemassa yksiselitteistä dataa, joka tukisi kuun vaiheen tai aseman ja urosten liikkeen välistä yhteyttä”.
• MSU Extensionin yhteenveto vuosien työstä toteaa suoraan: ”Ei ole olemassa mitään vaihtelun kaavaa, joka voitaisiin yhdistää kuun vaiheeseen”.

Ja silti useimmat metsästäjät uskovat päinvastaista – 83 prosenttia MSU:n tiimin kyselemistä noin 1 400 vastaajasta sanoi, että kuu vaikuttaa hirvieläinten aktiivisuuteen. Uskovaisillakin on kuittinsa: kokenut biologi Grant Woods ennusti kerran hirvieläinten aktiivisuuden 72 prosentin tarkkuudella kuuhun perustuvalla indeksillä, joka rakentui 1 160 metsästyskerralle ja 2 815 havaitulle eläimelle – kunnes hän pani eläimiin GPS-pannat ja päätteli, ettei ole ”mitään yhteyttä kuuhun”. Panta, joka tarkkailee eläintä ympäri vuorokauden, ei yksinkertaisesti näe sitä, mitä lavalta tähystävä metsästäjä luuli näkevänsä.

Onko kuukenttä siis hyödytön? Ei – ja tämä on se vivahde, joka kannattaa pitää mielessä. Kuunvalo muuttaa selvästi monien muiden eläinten käyttäytymistä, vaikka se tuskin liikuttaa valkohäntäpeuraa. Kiinalainen riistakameratutkimus havaitsi, että metsäkauris oli aktiivisempi täysikuun aikaan, kun taas villisika ja jänis välttelivät sitä. Kaikkiaan 341 959 muskellungen saalistietueen joukossa kalastajat saivat noin 5 prosenttia enemmän kaloja täysi- ja uudenkuun tienoilla – ja jopa 28 prosenttia enemmän yöllä täysikuun aikaan. Valvotuissa kokeissa metsämyyrät vähensivät käyntejään kuunvalaisemilla ruokintalaikuilla yöllä, oletettavasti pysyäkseen poissa saalistajan ruokalistalta. Jos pidät kameroita ketuille, jäniksille, piennisäkkäille tai mille tahansa, joka elää tai kuolee sen mukaan, kuinka näkyvä se on pimeässä, tuo kuun kuvake on aidosti hyödyllinen muuttuja. Peuran kaavoittamiseen anna sen olla.

Panta, joka tarkkailee eläintä ympäri vuorokauden, ei yksinkertaisesti näe sitä, mitä lavalta tähystävä metsästäjä luuli näkevänsä.

Ilmanpaine: mitä se on, ja rehellinen kiista

Jos nauhasi tai sovelluksesi näyttää ilmanpaineen, tässä selkokielinen versio: se on alaspäin painavan ilmakehän paino, ”ilmakehän paine ilmapuntarin osoittamana”, Yhdysvaltain kansallisen sääpalvelun sanoin. Vakiopaine merenpinnan tasolla on noin 1013,25 millibaaria. Korkeapaine tarkoittaa yleensä laskevaa ilmaa ja kirkasta taivasta; matalapaine tarkoittaa nousevaa ilmaa, joka jäähtyy, tiivistyy ja hautoo pilviä ja myrskyjä. Laskeva luku ennakoi siis, karkeasti ottaen, tulossa olevaa säätä.

Muista aiempi varaus: kamerasi ei mittaa tätä. Paineen arvo tulee sääpalveluun kohdistetusta aikaleimasta, ei kotelossa olevasta anturista. Se on silti aitoa dataa – vain haettu taivaalta, ei kamerastasi.

Ennustaako se liikettä, on jälleen aito kiista. Skeptikoiden puolella NDA:n katsaus pantatutkimuksiin ei löytänyt yhtään säästä johtuvaa kaavaa, joka olisi kyllin vahva metsästyksen suunnittelemiseksi sen ympärille. Uskovaisten puolella eniten siteerattu käytännön tutkimus – Todd Amenrudin seitsemänvuotinen hanke – kertoo, että valkohäntäpeurat ”näyttävät liikkuvan parhaiten, kun paine on noin 1013–1026 hPa”, ja paras liike osuu vaihteluvälin yläpäähän, ”noin 1020–1026 hPa”, ja väittää ilmanpaineella olleen ”enemmän vaikutusta kuin millään muulla ilmiöllä”, jota hän tutki. Hänen todellinen pointtinsa ei kuitenkaan ole absoluuttinen luku – vaan muutos: ”Juuri nopeasti nouseva tai laskeva ilmanpaine, joka edeltää säärintamaa tai seuraa sitä, näyttää tuottavan suurimman vaikutuksen”.

On ainakin jonkin verran vertaisarvioitua syytä olettaa, että eläimet saattavat aistia sen. Valkokruunusirkut valvotussa tutkimuksessa reagoivat laskevaan ilmanpaineeseen – paine laski keskimäärin 2,31 kPa 12 tunnin aikana ennen lumisadetta, ja laskeva paine ”kiihdytti ravinnonottoa”, ikään kuin linnut olisivat tankanneet ennen myrskyä. Mekanismi ei siis ole pelkkää kansanperinnettä. Pidä vain hirvieläinkohtaisia lukuja kevyesti otteessa, seuraa suuntausta enemmän kuin arvoa, ja punnitse sitä nauhan luotettavampia signaaleja vasten.

Kameran tunnus: tylsä kenttä, joka pelastaa koko kartoituksesi

Palkin epäglamouroisin kohde on se, joka skaalautuu. Heti kun sinulla on käytössä enemmän kuin kamera tai kaksi, kuhunkin kuvaan leimattu nimi tai tunnus on se, mikä estää dataasi muuttumasta kenkälaatikolliseksi merkitsemättömiä vedoksia.

Monet kamerat antavat kirjoittaa asetuksiin nimen, joka sitten tulostuu datanauhalle, joten kameran nimi toimii samalla sen tunnuksena. Käytä sitä. Luonnonsuojelun ammattilaisten periaate on yksinkertainen: anna jokaiselle kameralle uniikki tunniste ja varmuuskopioi se fyysisesti – kirjoita tunnus tussilla kameran luukun sisäpuolelle, jottei loppuun mennyt akku koskaan pyyhi pois, mikä laite on mikä.

Muutamaa useamman kameran kohdalla pieni jäsentely maksaa itsensä valtavasti takaisin. NatureSpyn Yorkshiren näätähankkeessa on käytössä 50 kameraa jaettuna 5 kartoitussarjaan; jokainen kamera saa sarjan ja numeron, joten sarjan 1 ensimmäinen kamera on yksinkertaisesti 1-1. Tuo yksi hanke tislasi 300 000 videota 16 000 hyödylliseksi tietueeksi 62 lajin osalta – heinäsuova, jota voi tutkia vain siksi, että jokainen neula oli merkitty. Sama logiikka toimii harrastajamittakaavassa: nimeä paikan mukaan. Eräs metsästäjä järjestää kaiken kiinteistön ja sijainnin mukaan ja nimeää kuvan uudelleen vaikkapa muotoon `LR_AT_4x5 (3)` – Luce Road, Apple Tree, 4-kertaa-5-piikkinen uros, kolmas havainto – niin että pelkkä tiedostonimi kertoo hänelle, missä eläin oli ja kuka se on. Näiden tunnusten ympärille rakennettu johdonmukainen kansiorakenne on se, minkä avulla löydät tietyn kameran materiaalin kaksi kautta myöhemmin.

Myös EXIF kantaa mukanaan identiteettiä. Standardi määrittelee tunnisteen `CameraOwnerName` ja tunnisteen `BodySerialNumber` – kuvan ottaneen tietyn kamerarungon sarjanumeron – mikä on juuri sitä, mitä haluat, jos laite joskus katoaa tai varastetaan ja sinun on todistettava se omaksesi.

Nauha käyttöön: numeroista kaavoihin

Yksittäin nämä kentät ovat pikkutietoa. Yhdessä, ajan mittaan, ne ovat kartta siitä, miksi ja milloin eläimet käyttävät jotakin paikkaa – ja menetelmä niiden lukemiseen on virkistävän matalateknologinen.

Riistakamerayhteisön nyrkkisääntö on kalastajan vanha viisaus: ”yksi kerta on sattumaa, 2 kertaa on yhteensattumaa, mutta 3 kertaa on kaava”. Työnkulku on taulukko. Listaa jokainen kuva, täytä päivämäärä ja kellonaika nauhalta, lisää sitten sarakkeet olosuhteille, jotka sinua kiinnostavat – lämpötila, tuulen suunta ja nopeus, ilmanpaine, paineen muutos, sademäärä, kuun vaihe. Pidä erillinen välilehti kullekin sijainnille, jotta suuntaukset eivät sekoitu toisiinsa. Lajittele sitten ja etsi se, mikä toistuu kolme kertaa tai enemmän. Yhdessä todellisessa esimerkissä 13 kuvaa 18:sta yhdellä sijainnilla osui yksiin etelätuulen kanssa marraskuun alussa – seudulla, jossa tuuli tulee tavallisesti pohjoisesta ja lännestä, mikä teki tuosta kaavasta aidon vihjeen tuulesta riippuvasta makuualueesta.

Siinä on koko palkkio nauhan lukemisen oppimisesta. Päivämäärä kertoo kauden ja kiimaikkunan. Kellonaika kertoo vuorokausirytmin – ja merkitsee, milloin paine on työntänyt sen pimeään. Lämpötila ja paine antavat olosuhteet korreloitaviksi, sillä nöyryydellä, että ne ovat karkeita. Kuu kertoo valon. Ja kameran tunnus sitoo jokaisen näistä lukemista tiettyyn paikkaan maastossa. Mikään tästä ei vaadi erikoisvälineitä – vain kurin asettaa kello, merkitä kamerat ja oikeasti katsoa palkkia, jonka ohi olet vierittänyt.

Yksittäin nämä kentät ovat pikkutietoa. Yhdessä, ajan mittaan, ne ovat kartta siitä, miksi ja milloin eläimet käyttävät jotakin paikkaa.

Usein kysytyt kysymykset