Projektowanie badania fotopułapkowego: rozstaw, gęstość i czas trwania

Oto niewygodna prawda, do której sprowadza się większość projektowania badań fotopułapkowych: rozstaw, gęstość i czas trwania nie są trzema niezależnymi pokrętłami, które dostrajasz według uznania. Wszystkie wynikają z jednej decyzji, którą podejmujesz, zanim choć jedna kamera opuści bagażnik — co dokładnie próbujesz oszacować? Bogactwo gatunkowe, occupancy, względna liczebność i zagęszczenie wymagają każde innej sieci kamer, innej liczby stanowisk i innej długości wdrożenia, a projekt, który świetnie sprawdza się w jednym zadaniu, może być po cichu bezużyteczny w innym.

Brzmi to oczywiście. Najwyraźniej takie nie jest. Gdy Burton i współpracownicy przejrzeli 266 badań fotopułapkowych opublikowanych w latach 2008–2013, 40,2% w ogóle nie zastosowało schematu próbkowania opartego na prawdopodobieństwie, opierając się na rozmieszczeniu okazjonalnym lub celowanym, a kolejne 21,4% niemal nic nie podało o schemacie próbkowania. Mniej niż jedna trzecia wprost wspomniała o założeniach niezależności przestrzennej i czasowej, na których opierały się ich analizy. Kamery działały bez zarzutu. Schematy w wielu przypadkach nie mogły udźwignąć wniosków, które autorzy z nich wyprowadzili.

Zanim więc przejdziemy do liczb — a poniżej są dobre, konkretne liczby — przyswój sobie kolejność działań. Wybierz pytanie. Niech pytanie ustawi rozstaw względem areału osobniczego twojego gatunku docelowego. Niech rozstaw i twój cel precyzji ustawią liczbę stanowisk. Niech wykrywalność ustawi czas trwania. Cała reszta to logistyka. Pomyl kolejność, a żaden nakład pracy terenowej cię nie uratuje.

Zacznij od pytania, nie od kamery

Najużyteczniejsze ujęcie w literaturze mówi, że wykrycie na kamerze jest iloczynem dwóch procesów: ile zwierząt jest w terenie oraz jak prawdopodobne jest, że każde z nich zostanie sfotografowane. Każdy wybór projektowy jest w istocie wyborem tego, jak radzisz sobie z tym drugim procesem — wykrywaniem. Metody analityczne różni to, co zakładają, a więc i to, czego wymagają od twojej sieci kamer.

Krótki przegląd czterech powszechnych celów, bo reszta artykułu wciąż będzie do nich wracać:

• Inwentaryzacja gatunków / bogactwo — „co tu żyje?”. Potrzebujesz, by każdy gatunek miał niezerową szansę wykrycia, co przede wszystkim oznacza szerokie pokrycie przestrzenne i losowość, a nie intensywność w jednym punkcie.
• Occupancy — „jaki odsetek stanowisk użytkuje dany gatunek?”. Ramy occupancy wprost modelują niedoskonałe wykrywanie poprzez powtarzane wizyty, potrzebują więc wystarczającej liczby stanowisk oraz wystarczającej liczby okazji na stanowisko, by ustalić prawdopodobieństwo wykrycia.
• Względna liczebność (RAI) — wykrycia na jednostkę nakładu, używane jako wskaźnik liczebności. Tanie i wszechobecne, ale opiera się na heroicznym założeniu, że wykrywalność jest stała między porównywanymi obiektami. Zwykle taka nie jest.
• Zagęszczenie — zwierzęta na jednostkę powierzchni, złoty standard. Dla gatunków identyfikowalnych indywidualnie (pomyśl o cętkowanych kotach) oznacza to przestrzenną metodę powtórnych stwierdzeń (SCR/SECR); dla gatunków nieoznakowanych głównym narzędziem jest model losowego spotkania (REM). Te dwie metody chcą od rozstawu kamer rzeczy przeciwnych, co jest największą pojedynczą pułapką w całej dziedzinie.

Przewodnik GBIF po publikowaniu danych stawia tę samą tezę z drugiej strony: „co chciałbyś wiedzieć i o których grupach gatunków? Każdy cel niesie własne kluczowe cechy do rozważenia, takie jak wysokość i kierunek kamery, sezonowość, użycie przynęty, właściwości strefy wykrywania”. Te cechy nie są opcjonalnymi metadanymi. To jest projekt.

Praktyczny przegląd wart uwagi początkującego ujmuje samo rozmieszczenie jako menu — losowe, warstwowane, systematyczne, adaptacyjne oraz próbkowanie w stylu occupancy, każde z własnymi atutami. To niezłe rusztowanie myślowe. Ale w chwili, gdy wybierasz rzeczywiste współrzędne, pytanie brzmi już nie „który archetyp próbkowania brzmi dobrze”, lecz „co zakłada mój estymator i czy ten układ to spełnia?”.

Rozstaw i niezależność: powiązane z areałem osobniczym, nie z nawykiem

Rozstaw kamer to miejsce, w którym umierają dobre intencje, bo „właściwy” rozstaw odwraca się w zależności od celu — a literatura miejscami rzeczywiście się nie zgadza, co będę sygnalizował po drodze.

Dla bogactwa, occupancy i RAI zwykle chcesz niezależności. Reguła kciuka, po którą sięga niemal każdy, to 1–2 km między stanowiskami. Ta liczba nie jest święta; to pragmatyczny odpowiednik zdania „na tyle daleko, by dwie kamery nie próbkowały tych samych osobników”. Przewodnik dobrych praktyk WWF wprost mówi, że wagę ścisłej niezależności „często wyolbrzymia się i może ona mieć niewielki wpływ na wnioskowanie statystyczne”, zauważając, że skupianie przestrzenne, którym byś się martwił, okazywało się słabe w danych z kamer, ilekroć ktoś go szukał. Kays i współpracownicy stwierdzili, że autokorelacja między kamerami nie stanowiła problemu powyżej około 25 m w lesie tropikalnym — ale badanie w subtropikalnych zaroślach wciąż wykrywało ją przy 500 m. Uczciwa wersja brzmi więc: powiąż rozstaw z wielkością areału osobniczego gatunku docelowego, przyjmij domyślnie mniej więcej 1 km (i co najmniej jedną średnicę areału), gdy brak ci tej informacji, i pamiętaj, że resztkową zależność możesz zamodelować statystycznie, zamiast projektować ją na zero.

Przewodnik konfiguracji WildCAM podaje najczystszą, potoczną wersję tego kompromisu: jeśli szacujesz occupancy niedźwiedzia grizzly „i kamery są ustawione zbyt blisko siebie, wykrycia mogą nie być statystycznie niezależne, jeśli istnieje szansa, że ten sam osobnik zostanie wykryty na sąsiednich stanowiskach w krótkim odstępie czasu”, więc dla ssaków o szerokim zasięgu „warto wybrać duże przedziały odległości”.

Dla zagęszczenia SCR/SECR chcesz dokładnie odwrotności — zależność jest tu celem. Modele te działają, obserwując, jak prawdopodobieństwo stwierdzenia maleje wraz z odległością od centrum aktywności zwierzęcia, więc każdy osobnik musi zostać sfotografowany na więcej niż jednym stanowisku. Zalecenie: rozstawiaj kamery nie dalej niż na 0,8 średniego promienia areału osobniczego od siebie, a najlepiej celuj w jedną trzecią promienia areału, co daje mniej więcej 4–7 kamer wewnątrz każdego areału osobniczego. Klasyczna (nieprzestrzenna) metoda powtórnych stwierdzeń jest jeszcze surowsza co do niepozostawiania „dziur”, w których mógłby się ukryć cały areał — Tobler i Powell ujęli to dobitnie dla jaguarów: „między kamerami nie powinno być dziury, która mieściłaby cały areał osobniczy pojedynczego zwierzęcia”.

Tu robi się ciekawie i tu dziedzina nie jest do końca ustalona. Badanie SECR nad niedźwiedziem czarnym (za syntezą WildCAM) wykazało, że gdy rozstaw pułapek zwiększono, oszacowania zagęszczenia ledwie drgnęły — „może być korzystniej rozstawić pułapki szerzej, by próbkować większy obszar”, bo SECR jest znacznie odporniejszy na mniejszą liczbę stanowisk niż inne metody zagęszczenia. Wzorcowy przegląd SECR dochodzi do tego samego strategicznego wniosku: „z perspektywy projektu badania najlepszym sposobem zwiększenia precyzji wydaje się zwiększenie liczby złapanych osobników”, osiągane najnaturalniej przez powiększenie obszaru badania. W SECR istnieje więc realne napięcie między podręcznikowym „pakuj je ciasno” a praktycznym stwierdzeniem „rozłóż je szeroko, by złapać więcej osobników”. Rozwiązanie, na którym większość ludzi się zatrzymuje: zasięg twojej siatki względem wielkości areału osobniczego liczy się co najmniej tyle samo, co odstęp między pułapkami — co poniższe badanie nad panterą śnieżną pokazuje brutalnie.

Dla REM rozstaw jest całkowicie uwolniony od gatunku docelowego, co jest jedną z jego najlepszych cech. Ponieważ REM nie potrzebuje żadnego osobnika sfotografowanego dwukrotnie, „rozstaw kamer nie jest wyznaczany przez gatunek docelowy”, a w tym samym badaniu można monitorować więcej niż jeden gatunek. Zamiast tego REM wymaga, by kamery były rozmieszczone losowo względem ruchu zwierząt — nie na tropach, nie przy znakach terytorialnych, nie w żadnym miejscu wybranym po to, by zawyżyć lub zaniżyć wskaźnik spotkań. Naruszysz to, a obciążysz wskaźnik spotkań, a wraz z nim oszacowanie zagęszczenia.

Rozstaw kamer to miejsce, w którym umierają dobre intencje, bo „właściwy” rozstaw odwraca się w zależności od celu.

Ile stanowisk? Zagęszczenie i liczba kamer

Nie ma uniwersalnej odpowiedzi, ale są dobre cele zależne od zadania i są one bardziej konkretne niż „więcej znaczy lepiej”.

Bogactwo. Najbardziej bezpośredni dowód empiryczny pochodzi z podpróbkowania 2225 wdrożeń Kaysa i współpracowników na 41 obszarach badawczych na całym świecie. Stwierdzili, że do precyzyjnych oszacowań bogactwa gatunkowego potrzeba 25–35 stanowisk kamer, zależnie od skali badania — około 35 dla siatek wielkoskalowych (rozstaw ≥1 km) i 25 dla małoskalowych (≤0,2 km) stanowisk tropikalnych, przy czym zaledwie 17–22 wystarczały dla najmniej różnorodnych, małoskalowych obszarów umiarkowanych. Przewodnik WWF jest dosadniejszy: dla bogactwa „wydaje się mało prawdopodobne, by dało się uzyskać przyzwoitą próbę z mniej niż 20 lokalizacji, a lepszym celem mogłoby być 50 lokalizacji”, a jeśli warstwujesz, potrzebujesz 20–50 lokalizacji na warstwę. Synteza WildCAM to powtarza — poniżej 20 kamer jest „niewykonalne dla badań bogactwa gatunkowego, a lepszym celem jest 50 lokalizacji”.

Occupancy. Tu liczba stanowisk staje się drapieżnie wrażliwa na to, jak pospolity jest twój gatunek. Kays i współpracownicy stwierdzili, że precyzja occupancy jest „silnie wrażliwa na poziom occupancy: do precyzyjnych oszacowań gatunków pospolitych (ψ>0,75) potrzeba <20 stanowisk, ale dla gatunków rzadkich (ψ<0,25) prawdopodobnie ponad 150 stanowisk”. Niemal połowa jednej cytowanej przez nich globalnej analizy drapieżników miała occupancy poniżej 0,25 — dokładnie te gatunki, które najbardziej chcesz monitorować, i dokładnie te, które wymagają 100+ stanowisk. Ogólne zalecenie przewodnika WWF: minimum 40 lokalizacji próbkowania dla occupancy, rosnące do 100+, jeśli dodajesz współzmienne lub ścigasz gatunek rzadki. WildCAM operacjonalizuje to jako: 30 stanowisk dla gatunków o wysokiej wykrywalności (p ≥ 0,8), 30–60 dla wielu gatunków oraz „co najmniej 100 stanowisk” dla rzadkich gatunków o niskim zagęszczeniu i prawdopodobieństwie wykrycia poniżej 0,1.

Pytanie o jedną kontra wiele kamer. Jedno stwierdzenie, które niezawodnie zaskakuje: ustawienie większej liczby kamer na każdym stanowisku potrafi liczyć się tyle samo, co dodanie stanowisk. O'Connor i współpracownicy uruchomili układy jedno-, dwu- i czterokamerowe na 20 leśnych stanowiskach i stwierdzili, że metoda czterokamerowa wykryła o 1,25 (53%) więcej gatunków na stanowisko niż pojedyncza kamera, była jedyną konfiguracją w pełni wykrywającą wspólnotę gatunków naziemnych i mniej więcej podwoiła liczbę stanowisk, na których odnotowano jelenia wirginijskiego. Prawdopodobieństwo wykrycia jelenia przy pojedynczej kamerze wynosiło zaledwie 0,179. Ich zalecenie — „minimum 2 fotopułapki na stanowisko, skierowane w przeciwne strony” — to tania asekuracja przed fałszywymi negatywami, które psują dane occupancy i bogactwa.

Zagęszczenie SECR. Wzorcowy przegląd stwierdził medianę 57,5 stanowiska kamer na badanie na rok (średnia ~100, zakres 12–849) w opublikowanych pracach SECR. Konkretnie dla jaguarów Tobler i Powell orzekli, że wymagane jest minimum 40–50 stanowisk dla wiarygodnego badania, „a większa liczba stanowisk byłaby pożądana” — próg, który WildCAM powtarza jako „absolutne minimum”. Ratunkiem SECR jest odporność: jest on „znacznie odporniejszy na mniejszą liczbę stanowisk kamer niż inne metody szacowania zagęszczenia”.

Zagęszczenie REM. Prace symulacyjne sugerują, że „należy próbkować ok. 60 rozmieszczeń kamer, by osiągnąć akceptowalną precyzję (tj. współczynnik zmienności poniżej 0,20)”.

By unaocznić kompromisy, oto jak kilka projektów o randze protokołu z literatury faktycznie rozdziela kamery:

Zauważ, że ForestGEO celowo prowadzi kamery przy gęstości stukrotnie wyższej niż TEAM — jedna pułapka na 2 ha wobec jednej na 2 km² — bo odpowiadają na różne pytania na różnych obszarach (1 km² intensywnego próbkowania lasu wobec 120 km² monitoringu wspólnoty). Żaden nie jest „właściwy”. Są dopasowane do swoich celów.

Skoordynowane badania i badania nauki obywatelskiej mieszkają na dalekim krańcu tego spektrum: SNAPSHOT USA 2021, wielowspółautorskie badanie krajowe, zebrało 109 sieci fotopułapek i 1711 stanowisk kamer przez 71 519 kameronocy, przy nakładzie na sieć od 126 do 3355 nocy. Wniosek dla każdego, kto dołącza do takiej sieci, jest taki, że spójność między współautorami — ujednolicona wysokość, rozstaw i czas trwania — to właśnie to, co w ogóle pozwala analizować razem te wszystkie z osobna skromne sieci.

ForestGEO celowo prowadzi kamery przy gęstości stukrotnie wyższej niż TEAM, bo odpowiadają na różne pytania na różnych obszarach. Żaden nie jest „właściwy”. Są dopasowane do swoich celów.

Dlaczego zasięg twojej siatki może liczyć się bardziej niż jej gęstość

Badanie nad panterą śnieżną to ostrzegawcza opowieść, którą każdy szacujący zagęszczenie powinien mieć przypiętą do ściany. Ten sam zespół zbadał ten sam krajobraz na dwa sposoby: sieć zwartą (38 kamer, rozstaw ~1 km, zasięg 253 km², 15 kamer/100 km²) i rozproszoną (44 kamery, rozstaw ~5 km, zasięg 2030 km² — niemal o rząd wielkości większy — przy zaledwie 2 kamerach/100 km²).

Oszacowania nie tylko się różniły — projekt zwarty zwrócił zagęszczenie 0,12 zwierzęcia/100 km² wobec 0,534 projektu rozproszonego, mniej więcej pięciokrotnie wyższe w układzie rozproszonym. Co gorsza, sieć zwarta mocno zniekształciła to, jak koty faktycznie użytkowały przestrzeń, zawyżając parametr ruchu σ̂ do 12,23 wobec 3,27 w projekcie rozproszonym. Lekcja, którą wyciągają autorzy, jest tą samą, którą Tobler i Powell wyciągnęli dla jaguarów, a wzorcowy przegląd — dla wielu gatunków: „próbkowanie małego obszaru w przybliżeniu wielkości pojedynczego areału osobniczego jest podatne na obciążenia wynikające z bardzo nielicznych osobników w krajobrazie o bardzo niskich prawdopodobieństwach spotkania”. W pracy nad zagęszczeniem siatka ciasna i mała może być znacznie gorsza od rzadkiej i dużej. Pokryj dość obszaru, by odsłonić dość osobników — to, bardziej niż upychanie kamer razem, kupuje ci obronne oszacowanie.

W pracy nad zagęszczeniem siatka ciasna i mała może być znacznie gorsza od rzadkiej i dużej.

Czas trwania: jak długo trzymać każdą kamerę i jak długo prowadzić badanie

Tykają dwa różne zegary, a ludzie je mylą. Jeden to jak długo pojedyncza kamera powinna stać w jednym miejscu. Drugi to całkowita długość badania / łączna liczba kameronocy. Oba mają dobre empiryczne kotwice.

Czas na kamerę. Podpróbkowanie Kaysa i współpracowników daje najczystszą wskazówkę, jaką ktokolwiek podał: prowadzenie kamery przez 2 tygodnie było najwydajniejsze do wykrywania nowych gatunków, ale do precyzyjnych oszacowań lokalnego wskaźnika wykryć potrzeba było 3–4 tygodni, „bez zysku precyzji obserwowanego po miesiącu”. Ich sztandarowe zalecenie — „prowadź każdą kamerę przez 3–5 tygodni na 40–60 stanowiskach na sieć” — jest dziś faktyczną normą dla badań wspólnoty. Intensywne, dwuletnie badanie Si i współpracowników nad jedną chińską powierzchnią dodaje uzupełniającą regułę: nowe gatunki narastają szybko przez pierwsze ~40 dni na stanowisku, po czym tempo spada z urwiska, sugerują więc rotację kamer „raz na ok. 40 dni” lub po około 20 niezależnych zdjęciach.

Stanowiska kontra sesje — powracający werdykt. Gdy kamer jest za mało (a zawsze jest), próbkować więcej stanowisk przez krócej czy mniej stanowisk przez dłużej? Dla bogactwa i względnej liczebności odpowiedź jest spójna między badaniami: rozłóż je. Si i współpracownicy stwierdzili, że przy tej samej łącznej liczbie kameronocy „lepiej było rozstawić kamery na więcej stanowisk na krótszy czas na każdym niż zostawiać kamery na tym samym stanowisku” — przy 1000 kameronocy trzy stanowiska wykrywały 80% gatunków, a 19 stanowisk 90%. Kays i współpracownicy dochodzą do tego samego wniosku, a przewodnik WWF ujmuje to jako zasadę: „próbkuj więcej lokalizacji przez krótszy czas, zamiast próbkować zaledwie kilka lokalizacji przez bardzo długo”. (Occupancy to częściowy wyjątek — dla rzadkiego, plamiście występującego gatunku wciąż lepiej przenosić kamery i próbkować więcej stanowisk, ale dla gatunku pospolitego lub bardzo słabo wykrywalnego próbkowanie mniejszej liczby stanowisk przez dłużej bywa wydajniejsze.)

Łączna liczba kameronocy. Przemnóż cele, a otrzymasz próg dolny. Arytmetyka przewodnika WWF — 20–50 lokalizacji × 30 kameronocy każda — daje od 600 do 1500 kameronocy dla badania bogactwa/różnorodności, z ogólnym zaleceniem, że „badania różnorodności powinny mieć co najmniej 1000 kameronocy”. Rarefakcja Si i współpracowników ustaliła minimum na 931 kameronocy dla wykrycia 90% gatunków pospolitych na ich stanowisku, przy około 8700 kameronocy potrzebnych do wykrycia wszystkich 10 gatunków rezydentów — jaskrawa ilustracja tego, jak długi ogon gatunków rzadkich wysadza nakład. Przegląd Burtona stwierdził, że mediana rzeczywistego nakładu wynosiła 2055 kameronocy, ale zasygnalizował, że niemal jedna trzecia (28,9%) badań miała mniej niż 1000 łącznych kameronocy, „co prawdopodobnie jest niewystarczające do wykrycia gatunków rzadkich”.

W pracy nad zagęszczeniem poprzeczka rośnie. Dla względnej liczebności i REM wskaźnik powinien opierać się na więcej niż 10, najlepiej więcej niż 20 stwierdzeniach — a „dla zagęszczeń typowych dla wielu drapieżników (i najrzadszych kopytnych) do uzyskania 20 stwierdzeń potrzeba będzie co najmniej 2000 kameronocy”. Wzorcowy przegląd SECR stwierdził medianę 3124 kameronocy na rok, przy 71,6% badań trwających rok lub krócej. Badania jaguarów, ze względu na założenie zamknięcia populacji, chodzą po linie: dość krótko, by zakładać, że populacja się nie zmieniła, dość długo, by zebrać dane, przy czym Tobler i Powell zalecają minimum 60 dni, często 90, a nawet 120 — wprost odrzucając powszechne okno 30-dniowe jako zbyt niedokładne.

Jeden otrzeźwiający punkt odniesienia co do tego, czy cały ten nakład rzeczywiście się opłaca: w badaniach SECR mediana współczynnika zmienności wynosiła 30%, a „75,6% badań podało CV ≤40%, ale tylko 21% badań podało CV ≤20%”. Większość badań zagęszczenia nie jest tak precyzyjna, jak życzyliby sobie ich autorzy. I tylko 10,5% z nich uruchomiło jakąkolwiek symulację przed pracą terenową, by się o tym przekonać.

Większość badań zagęszczenia nie jest tak precyzyjna, jak życzyliby sobie ich autorzy. I tylko 10,5% z nich uruchomiło jakąkolwiek symulację przed pracą terenową, by się o tym przekonać.

Prawdopodobieństwo wykrycia to ukryta zmienna stojąca za tym wszystkim

Jeśli jest jeden parametr, który po cichu rządzi rozstawem, zagęszczeniem i czasem trwania, to jest nim prawdopodobieństwo wykrycia — szansa, że sfotografujesz gatunek pod warunkiem, że tam jest. Ustaw je zbyt nisko, a twoje modele nie tylko tracą precyzję — one się psują.

Próg do zapamiętania: prawdopodobieństwa wykrycia poniżej 0,2 „często prowadzą do istotnych obciążeń i problemów ze zbieżnością, nawet w najprostszych modelach jednostanowych”. A metody, po które mógłbyś sięgnąć, by uchwycić bogatszą ekologię, pogarszają problem — wielostanowe modele occupancy „wymagają wyższych prawdopodobieństw wykrycia w porównaniu z modelami jednostanowymi”, a „liczba wymaganych stanowisk była znacznie wyższa dla modeli wielostanowych”. Sposób, w jaki wymieniają się wykrycie i nakład, jest prawidłowy: „minimalne potrzebne prawdopodobieństwa wykrycia malały wraz ze wzrostem liczby okazji dla wszystkich modeli”. Innymi słowy, niskie wykrycie możesz wykupić większą liczbą okazji próbkowania — do pewnego stopnia.

To także powód, dla którego siedmiodniowa okazja jest tak powszechna: Kays i współpracownicy zdefiniowali prawdopodobieństwo wykrycia jako „prawdopodobieństwo wykrycia występującego gatunku w ciągu siedmiodniowego okresu na stanowisku kamery”, agregując dane dzienne w okna tygodniowe, tak by nawet rzadko wykrywane gatunki dawały możliwe do wykorzystania historie stwierdzeń. Łączenie stwierdzeń w wielodniowe okazje to uprawniona, bezkosztowa dźwignia podnosząca prawdopodobieństwo wykrycia i poprawiająca dopasowanie modelu. Podobnie jest z ustawianiem większej liczby kamer na stanowisko. Oba podnoszą wykrycie bez naruszeń założeń, które wnoszą przynęta i celowanie w tropy — co prowadzi nas do naprawdę spornej części projektowania badań.

Strategia rozmieszczenia i gatunek docelowy: prawdziwe rozdroże

Gdzie kierujesz kamerę — na trop zwierzyny czy w punkt losowy — to decyzja, która rozłupuje dziedzinę, bo wymienia obciążenie na ilość danych, a różne gatunki siedzą po różnych stronach tej wymiany.

Dowody na to, że rozmieszczenie obciąża twoje dane, są przytłaczające i spójne. W Wirginii Kolowski i Forrester uruchomili sparowane kamery i stwierdzili, że prawdopodobieństwo wykrycia wzrosło o 11–33% dla pięciu gatunków na tropach zwierzyny wobec lokalizacji losowych oraz o 24,9–38,2% dla gryzoni przy kłodach; w najbardziej skrajnym przypadku kategoria „mysz” odnotowała 65 zdarzeń stwierdzenia przy kłodach wobec zaledwie jednego stwierdzenia w lokalizacjach losowych. Wskaźniki stwierdzeń były od 1,7 do 9,67 raza wyższe przy kamerach opartych na cechach terenu. We Włoszech Greco i współpracownicy rozstawili 60 kamer na strategię i odnotowali średnio osiem gatunków na sieci tropów wobec czterech poza tropami, przy czym wilk i żbik dały poza tropami po zaledwie pięć zdarzeń każdy wobec 242 i 80 na tropach — oraz sześciokrotnie więcej danych ogółem na tropach. Osiem z 11 testowanych gatunków wykazało wyższe wykrycie i occupancy na tropach.

Czyli tropy wygrywają, prawda? Nie w pracy nad wspólnotą, i oto obciążenie, które przemycają: przesunięcie składu. W badaniu włoskim dzikie kopytne stanowiły 49% względnej liczebności poza tropami, ale tylko 28% na tropach, podczas gdy drapieżniki odwróciły proporcję z 32% poza tropami do 56% na tropach. Na tropach nie tylko dostajesz więcej danych — dostajesz inaczej ukształtowaną wspólnotę, przechyloną ku gatunkom, które lubią tropy. Sparowany eksperyment sawannowy Cusacka i współpracowników w Tanzanii wskazuje, które: drapieżniki istotnie częściej były łapane przy rozmieszczeniu na tropach w porze suchej, a gatunki większych rozmiarów — w porze deszczowej. Ich uspokajające stwierdzenie dla badań bogactwa: „przy odpowiednim nakładzie próbkowania (>1400 kameronocy) strategia rozmieszczenia raczej nie wpływa na wnioski wyciągane na poziomie wspólnoty” — ale poniżej tego nakładu i dla konkretnych grup troficznych bardzo owszem.

Tu dwa autorytatywne źródła wskazują w przeciwnych kierunkach i musisz zrozumieć dlaczego, zanim wybierzesz. Dla pracy nad wspólnotą, occupancy i REM wskazówka jest dobitna, że losowość jest niezbędna — rozmieszczenie nielosowe „narusza kluczową zasadę teorii próbkowania: losowy dobór jednostek próbkowania”, grozi pominięciem całych siedlisk i gatunków oraz obciąża względną liczebność w stronę użytkowników tropów. Ale dla zagęszczenia SECR oznakowanego, nieuchwytnego gatunku Tobler i Powell zalecają odwrotność — ustawiaj kamery „na dobrze wydeptanych tropach i drogach zrywkowych często używanych przez jaguary”, bo „kamery ustawione losowo w krajobrazie mają bardzo niskie prawdopodobieństwo stwierdzenia jaguarów i dadzą kiepskie dane”. Pogodzenie nie jest kompromisem; to znów pytanie. Jeśli twój estymator potrzebuje nieobciążonej próby wspólnoty (losowe) kontra dość powtórnych stwierdzeń jednego skrytego osobnika, by dopasować model przestrzenny (trop), „właściwe” rozmieszczenie naprawdę się różni — a jeśli mieszasz kamery na tropach i poza nimi, zapisujesz rozmieszczenie jako współzmienną, by model mógł je uwzględnić.

Najgłębsza lekcja jest taka, że gatunki nie reagują na to wszystko jednakowo. Nawet podobnej wielkości, blisko spokrewnione gatunki reagują różnie na te same wybory projektowe, dlatego niektórzy autorzy twierdzą, że programy monitoringowe powinny stosować „mieszankę strategii projektowania badań”, a nie jedno ujednolicone podejście, gdy zależy im na różnorodnej wspólnocie. (Strona tej pracy była zablokowana przez bota, gdy przechwytywano jej plik źródłowy, więc odzwierciedla to zapis z pakietu badawczego, a nie tekst, który mógłbym przeczytać bezpośrednio.) Praktyczny ruch, gdy masz jedną sieć i kilka gatunków docelowych: projektuj pod najtrudniejszy — najrzadszy, o najniższej wykrywalności, o najszerszym zasięgu gatunek ustawia twój rozstaw i nakład, a gatunki łatwiejsze załapią się przy okazji.

Na tropach nie tylko dostajesz więcej danych — dostajesz inaczej ukształtowaną wspólnotę, przechyloną ku gatunkom, które lubią tropy.

Przynęta i wabiki: kusząca dźwignia z żądłem

Atraktanty podnoszą wykrycie, kropka. Pytanie brzmi, co cię to kosztuje. W teście na 844 stanowiskach w Albercie wabik zapachowy wywołał silny dodatni efekt u drapieżników ogółem (β = 0,75) i bardzo silny efekt u pekana (β = 2,23) — ale żadnego efektu u wilka szarego (β = -0,01, p = 0,973) ani u gatunków-ofiar czy kopytnych. Oto pułapka: wabik pomaga niektórym gatunkom, ignoruje inne, a więc „może wprowadzać nieznane obciążenie do wniosków dotyczących wielu gatunków”, co oznacza, że badania wielogatunkowe „muszą uwzględniać zmienny efekt wabika zapachowego”.

Werdykt o randze protokołu to odzwierciedla. Przewodnik WWF wprost stwierdza, że „użycie atraktantów (przynęt i wabików) nie jest zalecane w formalnych badaniach fotopułapkowych, chyba że istnieją bardzo przekonujące powody ich użycia i możliwe jest kontrolowanie ich efektów”. TEAM nie używa żadnej przynęty. Niuans od strony symulacji occupancy: przynęta i celowanie w tropy są szeroko stosowane, by podnieść wykrycie ponad ten niebezpieczny próg 0,2, a zysk w działaniu modelu może być wart obciążenia — ale agregacja danych i wiele kamer na stanowisko osiągają ten sam wzrost „bez konieczności naruszania założeń modelu”, więc sięgnij po nie najpierw. Jeśli używasz przynęty, standaryzuj ją bezwzględnie i zapisuj jako metadane, tak by dała się zamodelować, a nie zignorować.

Pułapki, które naprawdę psują zbiory danych

Zbierając wątki, oto gdzie projektowanie badań fotopułapkowych najczęściej idzie źle — a każda z tych rzeczy jest decyzją projektową, nie wypadkiem terenowym:

• Brak schematu opartego na prawdopodobieństwie. Te 40,2% badań rozmieszczających kamery okazjonalnie nie może uogólniać poza dokładne miejsca, które próbkowały. Losuj albo warstwuj i losuj w obrębie warstw.
• Za mały nakład dla gatunków rzadkich. Poniżej 1000 kameronocy prawdopodobnie nie wystarczy do wykrycia rzadkich gatunków, które liczą się najbardziej, a rzadkie gatunki o niskim occupancy mogą potrzebować 100–150+ stanowisk.
• Siatka za mała względem areału osobniczego. Dla zagęszczenia wielobok kamer mniejszy niż ~jeden areał osobniczy niesie dodatnie obciążenie dla każdej testowanej metody.
• Traktowanie jednej kamery na stanowisko jako wystarczającej. Pojedyncze kamery pomijają stwierdzenia, które złapałoby podwojenie do dwóch przeciwstawnych kamer, zniekształcając occupancy i bogactwo.
• Ignorowanie sezonowości. Kays i współpracownicy stwierdzili, że 37–50% gatunków istotnie wahało się w occupancy lub wykryciu w ciągu roku, przy czym gatunki umiarkowane różniły się we względnej liczebności średnio 4–5-krotnie między porami roku. Migawka z jednej pory to nie cały rok. Dobieraj swoje okno rozmyślnie i nigdy nie porównuj między porami roku bez uwzględnienia tego.
• Mylenie swojego „stanowiska”. To samo słowo obejmuje strefę wykrywania kamery i komórkę siatki o powierzchni 10 km², a occupancy oznacza co innego w każdej skali. Zdefiniuj je.
• Brak wcześniejszej symulacji. Tylko ~10% badań SECR uruchomiło analizę mocy przed pracą terenową — a to najtańsze ubezpieczenie przed wynikiem ubogim w precyzję.

Cokolwiek zastosujesz, dokumentuj sam projekt jako uporządkowane metadane — wysokość i kierunek kamery, rozstaw, czas trwania, przynętę, cechy strefy wykrywania — bo zbioru danych, którego projekt nie został zapisany, nie da się ponownie przeanalizować ani połączyć z czyimkolwiek innym. Standardy takie jak Camtrap DP istnieją właśnie po to, by projekt badania stał się częścią danych, a nie utraconą pamięcią instytucjonalną. Jeśli chcesz pogłębić którąkolwiek pojedynczą decyzję, przewodnik dobrych praktyk WWF pozostaje najpełniejszym pojedynczym źródłem, a praca Kaysa i współpracowników jest empirycznym kręgosłupem liczb „ile i jak długo”.

Najczęstsze pytania