Meld inn det viltkameraet fanger: slik bidrar observasjonene dine til norsk artsforskning

En natt i 2021 gikk ei gaupemor med tre unger forbi et viltkamera i Surnadal i Møre og Romsdal. Bildet kunne blitt liggende på et minnekort i en skuff. I stedet ble det meldt inn i Skandobs, det skandinaviske rapportsystemet for store rovdyr – og dermed ble det en brikke i den nasjonale overvåkingen av gaupe. Det er hele poenget med denne artikkelen: et bilde, en observasjon, et spor du legger igjen i en database, blir til kunnskap som forskere og forvaltning faktisk bruker.

Det korte svaret på det du sannsynligvis kom for: et artsfunn fra felt eller fra et viltkamera består av tre opplysninger – hvilken art, hvor, og når – og det er nøyaktig den informasjonen et godt viltkamerabilde allerede bærer på. Det vanligste stedet å melde det inn er Artsobservasjoner, Norges rapportsystem for arter, som driftes av Artsdatabanken på oppdrag fra Klima- og miljødepartementet. Du oppretter en gratis brukerkonto, og med den mobilvennlige løsningen kan du «fylle inn informasjon, dokumentere funnene ved å ta øyeblikksbilder på enheten og stedfeste funnet via GPS». Funnet ditt standardiseres, kvalitetssikres og flyter videre til Artskart og den internasjonale databasen GBIF, der det blir fritt tilgjengelig for forskning og forvaltning. Dette kalles folkeforskning – «en norsk oversettelse av begrepet Citizen science» – og handler om «å engasjere og involvere folk som ikke har forskerbakgrunn i forskning». Resten av artikkelen handler om hvordan du gjør det riktig, hvordan funnet ditt kontrolleres, og hvorfor det betyr noe. Ett forbehold med en gang: et viltkamerabilde fra ditt eget kamera kan inneholde mennesker, og det stiller egne krav før du deler det – vi kommer tilbake til det.

Et artsfunn er tre opplysninger: hvilken art, hvor, og når. Et godt viltkamerabilde bærer alle tre allerede.

Hva folkeforskning er – og hvorfor en enkelt observasjon teller

La oss rydde i begrepet først, for det dukker opp overalt nå. Folkeforskning, eller citizen science, dekker «aktiviteter der ikke-forskere på ulike måter involveres i forskning, og hvor sluttresultatet er ny kunnskap eller innsikt», slik Norges forskningsråd definerer det i den første nasjonale oversikten over feltet. Det er ikke noe nytt påfunn. «Tradisjonelt har folkeforskning vært knyttet til naturobservasjoner», og naturkartlegging er fortsatt selve ryggraden. Det du gjør når du melder inn en art, plasserer deg i den enkleste og vanligste formen – det Forskningsrådet kaller crowdsourcing, ren datainnsamling, som «om lag halvparten av aktivitetene» faller inn under.

Et sunt forbehold hører med, og det kommer fra kilden selv: folkeforskning «erstatter ikke eksisterende vitenskapelige metoder eller overvåking, men kan bidra med kompletterende data, kunnskap og innsikt». Du erstatter altså ikke forskeren. Du gir henne flere øyne i terrenget enn hun noen gang kunne hatt alene.

Og det monner. I Norge er «hele 2/3 av norske artsfunn gjort av frivillige kartleggere». Personer over hele landet har bidratt med over 30 millioner registreringer i Artsobservasjoner, fordelt på over 24 700 arter – og «de fleste rapportører er frivillige». Da systemet passerte 20 millioner observasjoner i januar 2019, hadde det «over 10 000 aktive brukere som daglig rapporterer». Dette er ikke en nisje. Det er en av de største kunnskapsdugnadene landet har.

Hvorfor teller så ditt ene funn, midt oppi alle disse millionene? Fordi kartet fremdeles har store hull. Miljødirektoratet slår nøkternt fast at «om lag 81 % av artene som er kjent fra Norge [er] dokumentert med funn i Artskart», men at «de fleste arter er imidlertid ufullstendig kartlagt, og ikke alle områder er like godt undersøkt». Den viktigste setningen for deg som vurderer å melde inn noe, er denne: «At det ikke er dokumentert funn av en art på et område behøver derfor ikke bety at arten ikke finnes der». Et viltkamera i et område ingen har lett i før, kan altså fylle et hvitt felt på kartet. Sabima sier det rett ut: det finnes fortsatt mye uoppdaget – Artsdatabanken anslår at en god andel av norske arter ennå ikke er funnet, «enten fordi de ikke er vitenskapelig beskrevet ennå, eller fordi vi antar at de finnes her, vi har bare ikke lett godt nok».

Mangler det funn av en art i et område, betyr det ikke at arten er borte – det kan bety at ingen har lett der ennå.

Slik melder du inn et funn, steg for steg

Nå til det praktiske. Arbeidsflyten er enkel nok til at den lar seg gjøre fra en fjelltopp med dekning, men det er verdt å gjøre den riktig.

Opprett en konto. Artsobservasjoner er gratis, men du må ha en brukerprofil for å rapportere. Du logger på den samme kontoen enten du bruker fullversjonen på artsobservasjoner.no eller den mobilvennlige løsningen på mobil.artsobservasjoner.no.

Registrer de fire kjerneopplysningene. Et funn er bygd opp av art, antall, dato og sted, pluss kommentarer og stadium der det er aktuelt. Den mobilvennlige løsningen lar deg «fylle inn informasjon, dokumentere funnene ved å ta øyeblikksbilder på enheten og stedfeste funnet via GPS». GPS-stedfestingen er gull verdt: presis posisjon er noe av det som gjør et funn brukbart for forskning.

Last opp et bilde som dokumentasjon. I systemet legger du enklest inn bilder mens du er i granskningsmodus. Her er regelen du må kjenne: «Bilder er dokumentasjon på observasjonen og skal vise nøyaktig de individene du har rapportert og andre opplysninger du har koblet til funnet, slik som habitat, substrat, spor osv.». Har du flere individer, holder det med én til tre representative bilder.

Vet du ikke sikkert hvilken art det er? Da skal du ikke gjette i statistikken. «I utgangspunktet skal bare ferdig bestemte funn rapporteres i Artsobservasjoner», men det finnes en utvei: du kan hake av for «Usikker artsbestemmelse». Slike funn vises med et spørsmålstegn etter artsnavnet, «vises ikke i statistikkene» og overføres heller ikke til Artskart før de er avklart – og «usikre funn bør dokumenteres godt med bilder og/eller belegg for å ha noen verdi». Et viltkamerabilde er nettopp et slikt belegg.

Glemt nøyaktig dato? Det skjer fort med et kamera som har stått ute i måneder. Du kan rapportere med start- og sluttdato, altså et tidsrom funnet ligger innenfor – «tidsrommet bør være så kort som overhodet mulig», og du bør forklare i kommentaren hvorfor den eksakte datoen mangler. (Et godt argument for å holde kameraets klokke riktig stilt.)

Mange funn på en gang? Sitter du med en sesong med kamerabilder, kan du bruke Excel-import og rapportere opp til 5000 funn samtidig – nyttig når du forbereder rapporteringen uten nett, men «det lett blir skrivefeil som ikke oppdages i Excel-filen», så begynn i det små.

Et viktig poeng for den personvernbevisste: enkelte sårbare arter skjermes automatisk. Funn av arter på Miljødirektoratets liste over sensitive arter – for eksempel ynglehi hos jerv, ulv, gaupe, brunbjørn og fjellrev, eller hekkelokaliteter for rovfugl – får stedfestingen generalisert slik at de ikke kan misbrukes. «Tør jeg å rapportere sensitive arter? Ja» – de skjules av systemet, og du kan også selv velge å skjule et funn du mener er følsomt.

Viltkamerabildet som dokumentasjon

Her møtes to ting som passer påfallende godt sammen. Tenk på hva GBIF, det globale nettverket, faktisk samler inn: «artsbestemte, sted- og tidfestede enkeltobservasjoner av arter, med angivelse av hvem som har gjort observasjonen og bestemmelsen, og hvor eventuell dokumentasjon befinner seg». Les den setningen en gang til med et viltkamera i tankene. Art, sted, tid, observatør, og et bilde som dokumentasjon – et velfungerende viltkamera produserer akkurat dette metadatasettet automatisk, for hvert eneste utløst bilde.

Det er derfor viltkameraet er et så naturlig folkeforskningsverktøy. Der den klassiske fugletitteren noterer art og klokkeslett for hånd, leverer kameraet en datostemplet, stedfestet og fotodokumentert observasjon uten at noen sto der og så det. For arter som er sky, nattaktive eller sjeldne – nettopp de forvaltningen sliter mest med å telle – er det en enorm styrke.

Men en advarsel hører hjemme her, og den er ikke triviell. Et viltkamera fanger alt som passerer, også mennesker. Skal du dele et privat kamerabilde i en offentlig database, må personvernet være på plass først. Hvordan proffene løser det, er lærerikt: NINA har «i dialog med Datatilsynet … utviklet rutiner for kameraovervåkning hvor personvernhensyn blir ivaretatt», og de har «utviklet en programvare som bruker bildegjenkjenningsteknologi slik at bilder av mennesker automatisk kan slettes». De henter dessuten grunneiers tillatelse på hver lokalitet, og hvert kamera er merket med navn og kontaktinformasjon. Du trenger ikke et helt forskningsapparat, men prinsippet gjelder også deg: ikke del bilder av identifiserbare folk, sørg for tillatelse der du setter opp kameraet, og rapporter dyret – ikke menneskene som tilfeldigvis gikk forbi.

Hva som skjer etter at du har trykket «publiser»: kvalitetssikring

Et vanlig spørsmål, og et betimelig et: hvordan kan data fra tusenvis av amatører være til å stole på? Svaret er at funnet ditt går gjennom flere ledd før det blir en del av kunnskapsgrunnlaget.

Først det automatiske. «Alle data som blir høstet fra originalkildene til artskart går gjennom en standardiserings- og kvalitetssikringsrutine». Artsnavnet du oppgir, kontrolleres mot Artsdatabankens navneregister – hver natt mot navneregisteret Nortaxa – slik at synonymer kobles til gyldige navn, og funn på navn som ikke finnes i registeret, avvises. Systemet sjekker også datoen og «avviser poster som er fra før 1650 eller nyere enn dagens dato. Funn gjort utenfor Norges grenser blir også avvist». Det luker bort de groveste feilene maskinelt.

Så det menneskelige, der det virkelig betyr noe. Sjeldne og rødlistede funn valideres av fageksperter etter at de er meldt inn. For fugler er dette satt i system gjennom LRSK – de lokale rapport- og sjeldenhetskomiteene – som driver «validering av funn» og «behandling og vurdering av sjeldenhetsrapporter», og som gir rapportøren «tilbakemelding om underkjente funn». Hvilke arter som krever dokumentasjon for å bli godkjent, er definert på forhånd, og godkjente funn merkes synlig. Med andre ord: et sjeldent funn havner ikke bare anonymt i en database – det går gjennom en kyndig persons vurdering, og du får beskjed hvis det blir avvist.

Dette er et viktig motsvar til en bekymring Artsdatabanken selv har fått høre. Da de la inn AI-verktøyet Artsorakel som hjelpemiddel og senket terskelen for nye brukere, kom det innspill fra «brukergrupper som er bekymret for at det nå vil legges inn mye ny data med dårlig kvalitet». Artsdatabankens svar er ærlig: de «arbeider kontinuerlig med kvalitetssikring av data» og vil følge med på hva som faktisk kommer inn. Lærdommen for deg som rapporterer, er enkel og verdt å ta med: kvalitet slår kvantitet. Et sikkert, godt dokumentert funn er verdt mer enn ti usikre.

Et sjeldent funn havner ikke anonymt i en database – en fagekspert ser på det, og du får beskjed hvis det blir underkjent.

Fra ditt funn til Artskart, GBIF og Darwin Core

Så hvor tar veien funnet ditt videre? Dette er rørleggerarbeidet bak folkeforskningen, og det er greit å forstå hvor data faktisk renner.

Når du publiserer i Artsobservasjoner, havner opplysningene «i en stor database som er en verdifull kunnskapskilde om norsk flora og fauna», og «dataene blir også tilgjengelige i Artskart». Artskart er den nasjonale karttjenesten som dokumenterer funn av norske arter, utviklet i samarbeid med GBIF Norge. Derfra går dataene videre ut i verden, standardisert til et internasjonalt format slik at de kan brukes på tvers av land og systemer.

Det internasjonale leddet er GBIF – Global Biodiversity Information Facility – «en organisasjon som har til oppgave å gjøre informasjon om Jordens biologiske mangfold fritt tilgjengelig for alle over internett». Den norske noden er knyttet til Naturhistorisk museum ved Universitetet i Oslo, og «det meste av datamaterialet kommer fra Artsdatabanken». Norge er faktisk «blant verdens største leverandører til GBIF». Funnet du melder inn fra en sti i Trøndelag, kan altså ende opp i en global biodiversitetsanalyse.

For viltkamera finnes det et eget teknisk spor, og det er ikke teoretisk. Internasjonalt finnes det egne standarder for å publisere nettopp kamerafelle-data til GBIF: «Camtrap DP» (Camera Trap Data Package), som er «spesiallaget for denne typen data og kan beholde mer informasjon enn en Darwin Core-arkiv», og den mer generelle Darwin Core-standarden. Begge gjør dataene FAIR – mulige å finne, få tilgang til, integrere og gjenbruke – fra artsutbredelsesmodeller til «training data for machine learning model development». Og her er en innsikt verdt å feste seg ved, fra GBIFs egne folk: i kamerafelle-forskning har «data management, rather than data collection, … become the limiting factor». Flaskehalsen er ikke lenger å samle inn bilder – det er å holde orden på dem og merke dem godt nok til at de kan brukes.

At dette ikke bare er en mulighet på papiret, ser vi i et konkret norsk datasett. NINA har publisert «daily aggregated wildlife camera-trap data from alpine regions in south-central Norway from 2011 to 2020» åpent på GBIF, under lisensen CC BY 4.0 – med 67 815 publiserte registreringer av blant annet fjellrev, rødrev, jerv, kongeørn og havørn. Det er norske viltkameradata, mobilisert som åpen, gjenbrukbar forskningsdata. Nøyaktig den reisen denne artikkelen beskriver: institusjonell kameraovervåking → standardisering → åpen publisering på GBIF.

Hvordan funnet ditt brukes i forvaltning

Det er lett å tenke at en observasjon forsvinner inn i et arkiv. Den gjør ikke det. Borgerinnsamlede artsdata er en del av det formelle beslutningsgrunnlaget i norsk naturforvaltning.

Det tydeligste eksempelet er arealplanlegging. Når kommuner, statsforvaltere og utbyggere skal vurdere et inngrep, «har [de] plikt til å sjekke om naturverdier blir berørt før for eksempel utbyggingsprosjekter igangsettes», og da brukes nettopp informasjon om arters utbredelse. Miljødirektoratets metode for konsekvensutredning av naturmangfold sier rett ut at funn skal «meldes inn i Artsobservasjoner, videre sikrer dette dataflyt til offentlige databaser, jf. krav i Forskrift om konsekvensutredninger § 24». Et funn fra Artsobservasjoner kan altså inngå i grunnlaget en utbygging vurderes mot. Sabima peker på den direkte konsekvensen: registrerte funn «kan for eksempel bidra til å hindre naturinngrep i områder der det lever truede arter». Er du bekymret for et naturområde i nærmiljøet, kan du selv undersøke hvilke artsfunn som finnes der, og varsle relevante aktører.

Dataene mater også de offisielle vurderingene av norsk natur. Artsdatabanken bruker kunnskapen til å lage den offisielle rødlista for arter og fremmedartslista. Et funn er sjelden avgjørende alene, men summen av mange funn tegner bildet av hvordan det går med en art.

Når viltkameraet allerede er forskerens verktøy

Hvis du fortsatt lurer på om et kamera i skogen «teller» som forskning, er svaret at norske forskere har brukt det til nettopp dette i årevis.

Tydeligst er NINAs ScandCam, et samarbeid mellom Norsk institutt for naturforskning og Sveriges lantbruksuniversitet. Bakgrunnen er konkret: Stortinget har satt presise bestandsmål for de store rovdyrene, men den tradisjonelle metoden for å telle gaupe – sporing på snø – blir vanskeligere i en framtid med lite og variabelt snødekke. Derfor tester ScandCam om viltkamera kan supplere snøsporingen, og «erfaringene våre så langt har vist at et nettverk av godt plasserte viltkamera fungerer godt som et supplement til dagens snøbaserte overvåking av familiegrupper av gaupe». Individuelle gauper kjennes igjen på flekkmønsteret i pelsen, og ut fra det beregnes antallet i et område. Metodikken er nokså stram: studieområdene deles inn i et rutenett med 50 kvadratkilometer store ruter, med én kameralokalitet per rute «for å sikre at alle gauper i bestanden har en viss sannsynlighet for å bli oppdaget», og prosjektet har hatt kameraer på «rundt 1700 lokaliteter» i Norge.

To trekk ved ScandCam er verdt å løfte fram for folkeforskeren. Det første er hvor avhengig prosjektet er av frivillige: «mer enn hundre frivillige over hele Norge legger ned mange timer med arbeid i utplassering og kontroll av kameraer», og i Hedmark og Østfold er det lokallag av Norges jeger- og fiskerforbund som passer kameraene. Det andre er skalaen og hva som gjøres med bildene: «hver dag får SCANDCAM inn mer enn 10000 bilder», bilder av mennesker fjernes automatisk, og «vi sorterer observasjoner på art og lagrer bildene i databasen». Det er, i prinsippet, akkurat den samme arbeidsflyten en hjemmebruker står overfor – bare i industriell målestokk.

Viltkamera løser også oppgaver der ingen god overvåking fantes fra før. Da NINA på oppdrag fra Miljødirektoratet skulle kartlegge den fremmede arten villsvin, kombinerte de fire datakilder: «SCANDCAM sitt nettverk av kamerafeller, artsobservasjoner, fallviltregisteret og lokaliteten til skutte villsvin» – og merk at borgerinnmeldte artsobservasjoner er én av de fire. Med kameraer på 213 tilfeldig plasserte lokaliteter i Aremark og Halden registrerte de 191 observasjoner i løpet av 30 528 kameradøgn, og beregnet en tetthet på 0,72 individer per kvadratkilometer – rundt 693 dyr. Dette er kombinasjonen som gjør folkeforskning sterk: profesjonelle kameranett og borgernes innmeldinger i samme analyse.

Et viltkamera i skogen er ikke en lek på siden av forskningen – for NINA er det et av de viktigste verktøyene til å overvåke pattedyr.

Andre måter å bidra på: rovdyr og hjortevilt

Artsobservasjoner er hovedveien, men ikke den eneste. To andre kanaler er verdt å kjenne, særlig for jegere og folk som ferdes mye ute.

For store rovdyr er det Skandobs som gjelder. «I Skandobs kan du med noen enkle tastetrykk på mobilen dele observasjoner med overvåkingen» av ulv, gaupe, jerv, brunbjørn og kongeørn. Systemet er tett koblet til forvaltningen: «når det legges inn viktige observasjoner for overvåkingen i Norge, som av ulv eller familiegrupper av gaupe, vil det automatisk gå et varsel til Statens naturoppsyn». Følger du rovdyrspor i snøen og finner skit, kan du samle en prøve – «alt du trenger er en ren plastpose» – for «DNA-analyser av skit og hår er et viktig verktøy i registreringene av ulv, jerv og brunbjørn». Gaupemoren med tre unger fra Surnadal, som åpnet denne artikkelen, kom inn nettopp denne veien.

For hjortevilt er jegeren datainnsamleren. Gjennom sett elg og sett hjort registrerer jegere systematisk hvor mange dyr de ser og feller, fordelt på kjønn og alder, i Hjorteviltregisteret eller appen Sett og skutt. Tallene gir bestandsindekser – tetthet per jegerdagsverk, kalv per hunn, kjønnssammensetning – og «jegernes observasjoner er et av de viktigste bidragene til overvåkning og forvaltning av hjorteviltet». Jegere sender også inn underkjever og slaktevekter til det nasjonale bestandsovervåkingsprogrammet, og spiller en nøkkelrolle i kartleggingen av skrantesjuke (CWD): i 2025 skulle om lag 15 000 hjortedyr testes, med prøver fra hjerne og svelglymfeknuter koblet til hvert dyr via en unik strekkode. Som fagansvarlig for vilthelse ved Veterinærinstituttet sier det: «Vi er helt avhengig av ‘feltapparatet’ for å få inn prøver».

AI-artsbestemmelse: når maskinen lærer av bildene dine

Til slutt en sirkel som lukkes, og som er nær trail.cams eget hjerte. Artsdatabanken har laget Artsorakel, en app som «på sekunder gir deg navnet på dyret, planten eller soppen du har tatt bilde av». Teknologien er maskinlæring, og det interessante er hva modellen er trent på: «1,1 millioner bilder som over mange år har blitt lastet opp til Artsobservasjoner av naturinteresserte mennesker over hele landet». Artsorakelet er, med Artsdatabankens egne ord, «trent opp på bilder du og jeg tar, ofte med mobilen, i all slags vær og lys, og kanskje til og med i fart». Det treffer påfallende presist på viltkamerabilder, som nettopp tas i variabelt lys og ofte med dyr i bevegelse.

Modellen er nå bygget inn i Artsobservasjoner Mobil, der «forslag til artsbestemmelse fra Artsorakel er inkludert som hjelpemiddel» når du rapporterer. Og den blir bedre jo mer den brukes: «Samtidig får Artsorakelet enda flere bilder å trene på, slik at det blir enda flinkere». Det er den samme dydige sirkelen som driver all god artsgjenkjenning, inkludert trail.cams egen – jo flere riktig merkede bilder, jo treffsikrere modell. Et nyttig forbehold fra kilden: appen «gir deg et prosenttall på hvor sikker den er i sin sak», og det «er lurt å dobbeltsjekke at det er riktig art først» før du melder inn funnet. AI-en foreslår; mennesket bekrefter. Det er fortsatt slik kvaliteten holdes oppe.

Ofte stilte spørsmål