CC BY
15ИСПОЛЬЗОВАНИЕ СОВРЕМЕННОГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ ОРГАНИЗАЦИИ И ОПТИМИЗАЦИИ РАБОТЫ С БАЗОЙ ДАННЫХ ФОТОМОНИТОРИНГА НА ПРИМЕРЕ НАЦИОНАЛЬНОГО ПАРКА «ЗЕМЛЯ ЛЕОПАРДА»
Т.В. Марченкова
Федеральное государственное бюджетное учреждение «Объединенная дирекция государственного природного биосферного заповедника «Кедровая падь» и национального парка «Земля леопарда» имени Н.Н.Воронцова», Россия e-mail: marchenkova.taisia@gmail.com
Необходимость использования специализированного программного обеспечения остро стоит при работе с данными фотоловушек, так как каждая камера генерирует большое количество фотоматериалов. На основе данных фотомониторинга ФГБУ «Земля леопарда» за 2019-2020 гг. была проведена оптимизация организации и хранения базы данных с использованием специализированного программного обеспечения. Были выбраны и протестированы наиболее оснащенные программы, предоставляющие широкий спектр функций. На основе них приведен пример этапов работы с данными фотоловушек от получения данных до их дальнейшего анализа. Также представлен дальнейший план работ.
Ключевые слова: база данных, фотоловушки, мониторинг, ООПТ, Юго-Западное Приморье
Фотоловушки становятся все более распространенным инструментом в мониторинге и сохранении популяций животных (Burton et al., 2015). Исследования с использованием фотоловушек требуют четкой и продуманной организации работы, так как каждая камера генерирует огромное количество данных, которые необходимо обработать и подготовить к анализу. В настоящее время существует большое количество специализированного программного обеспечения для быстрой сортировки, каталогизации и тегирования больших объемов данных с фотоловушек (Young et al., 2018; Огурцов и др., 2017; Огурцов, 2019). Однако, несмотря на широкую распространенность использования специализированных программ для работы с данными фотоловушек за рубежом, среди российских исследований они все еще редки, не считая программ для распознавания видов с индивидуальным окрасом (Огурцов, 2019).
На территории государственного природного биосферного заповедника «Кедровая падь», национального парка «Земля леопарда» и его охранной зоны (далее ФГБУ «Земля леопарда») на 2020 год функционирует 210 станций фотомониторинга (всего 420 фотоловушек). На каждой из станций установлено 2 фотоловушки, согласно методике для учета индивидуально распознаваемых видов, используемой для мониторинга дальневосточного леопарда (Vitkalova et al., 2016). Это самая крупная действующая сеть фотомониторинга на территории РФ. За 8 лет существования ФГБУ «Земля леопарда» общие объемы полученных данных превысили 5.2 миллиона фотографий (6.12 Тб информации). Информативные фотографии (фотографии, на которых были отмечены животные или люди) составляют более 2 миллионов кадров (1.91 Тб информации). Ежегодно по результатам проверок информативные материалы составляют от 200 до 600 тыс. и более фотографий, обработка и хранение которых требуют систематизированной организации. На материалах, полученных с фотоловушек за 2019-2020 гг., была проведена оптимизация базы данных фотомониторинга ФГБУ «Земля леопарда», ее организация, хранение и первичная обработка.
Исходя из специфики работы и объема данных фотомониторинга, получаемых с территории ФГБУ «Земля леопарда», были сформулированы необходимые в первую очередь критерии к программам: отсутствие лимита на объем данных, бесплатная лицензия, поддержка и автоматический импорт метаданных с любых моделей фотоловушек, возможность создания отчетов, возможность экспорта данных в табличном виде для последующего анализа. На основе обзорных статей по специализированному программному обеспечению для работы с данными фотоловушек (Scotson et al., 2017; Young et al., 2018; Огурцов и др., 2017; Огурцов, 2019) были отобраны 4 программы, удовлетворяющие первичным требованиям: Wild.ID (Fegraus et al., 2011), camtrapR (Niedballa et al., 2016), ZSL CTAP (Amin, Wacher, 2017), Camelot (Hendry, Mann, 2018). Далее в каждую из программ были загружены данные фотомониторинга за 2019-2020 гг. и проанализирован функционал каждого из программных обеспечений. На основе этого были выделены дополнительные критерии, которые сыграли роль при выборе одной программы для дальнейшего ведения базы данных (табл. 1).
Таблица 1. Сравнение ключевых возможностей работы рассмотренных программных обеспечений Table 1. Comparison of key work abilities of observed software_
^^^^ ПО
Характеристики~~^\^ Wild.ID camtrapR ZSL CTAP Camelot
Возможность создания дополнительных тегов нет нет есть есть
Экспорт фотографий есть - есть Нет
Перенос Базы данных есть есть есть есть
Автоматизация сортировки фотографий нет нет нет есть
Анализ данных отсутствует расширенный расширенный первичный
Возможность интеграции с другими программами / пакетами программ нет есть есть есть
Многопользовательский доступ нет нет нет есть
Каждая из программ имеет свои достоинства и недостатки. Решающими критериями при выборе программы для ведения базы данных, учитывая специфику работы и получаемый объем данных, стали возможность многопользовательской работы с базой, создание дополнительных тегов и широкий спектр отчетов для дальнейшего анализа. В связи с чем наш выбор был остановлен на программном обеспечение «Camelot».
Помимо выбора специализированного ПО для работы с базой данных фотомониторинга, также была проведена оптимизация процесса работы от получения фотографий до их дальнейшего анализа. Весь процесс разбора данных фотомониторинга от получения первичных фотографий с камер-ловушек до анализа данных был разделен на 4 этапа (рис. 1).
Первый и второй этапы работы включают в себя чистку данных (удаление пустых кадров), корректировку даты/времени (если они были сбиты в процессе работы или установки), переименование файлов и формирование каталогов на жестком диске компьютера. Формирование каталогов проводилось по следующей схеме: исходники/обработанные данные -> год -> территория -> номер станции мониторинга -> название камеры -> папки с видом животного. Каждое животное кодировалось в название согласно принятой схеме в ФГБУ «Земля леопарда». Список
1. Первичная проверка материала. Проверка соответствия даты-времени в метаданных срокам работы станции мониторинга. При необходимости корректировка сроков работы фотоловушки в программе Сеоэейег
2. Сортировка на информативные фотографии и пустые, с последующим удалением последних. Формирование каталогов на жестком диске. Fast Stone Image Viewer / Total Commander.
Индивидуальное определение тигров и леопардов
Extract Compare
3. Внесение данных в базу Camelot. Загрузка фотографий, первичное тегирование.
Camelot
4. Вторичное тегирование, вывод отчетов с Camelot и дальнейший анализ данных в
сторонних программах специалистами.
Excel
R
ArcGis/ QGIS
Рис. 1. Схема этапов работы с данными фотомониторинга. Красным цветом отмечены программное обеспечение, используемое на каждом из этапов.
Fig. 1. Stages of work with camera trap data. The software used at each stage is marked in red.
кодов животных представляет собой таблицу со сквозной нумерацией от 1 до 42 и литером S (сокращение от 'species'), а также 4 варианта названия: научное, английское, русское и китайское. Такая система кодировок позволяет сортировать данные не только по видам животных, но и дополнительным параметрам, таким как установка и демонтаж камер, транспортное средство, местные люди/охотники/военные и неопознанные животные. Пример: Amur tiger/Амурский тигр/SOI. Данная кодировка также была введена в качестве дополнительного тега в программе Camelot. Сортировка по видам и переименование фотографий проводятся в программах FastStone ImageViewer или TotalCommander. Название фотографии включает в себя номер точки, исходное автоматически созданное название фотографии и код вида (Пример: 202_IMAG0001_S01). В случае если дата и время в метаданных фотографий были сбиты в ходе работы ловушки или изначально установлены неправильно, они корректируются в соответствие со сроками проверки с помощью программы GeoSetter (https://geosetter.de/en/download-en/). Несмотря на то, что в программе Camelot уже реализована автоматическая сортировка на информативные и «пустые» фотографии, необходимость сохранения первичного формата каталогизации данных была обусловлена использованием сторонних программ для индивидуальной идентификации дальневосточных леопардов и амурских тигров, тестированием программного обеспечения для идентификации животных, а также для возможности быстрого предоставления данных по запросу отдела по связям с общественностью.
Третий этап работы включает в себя непосредственную организацию и работу с базой данных фотомониторинга Camelot. Перед загрузкой фотографий в Camelot, предварительно создается «макет», который содержит информацию о сроках проверки, данных фотоловушек и станций (название станции, название камер-ловушек, сроки работы и дополнительные параметры, такие как локализация, координаты, высота над уровнем моря и т.д.), а также загрузки названий видов, характерных для данной территории (добавление нужных видов производится в самой программе из онлайн-базы при подключении к Интернету). Данная система позволяет не только вести учет по животным, но вести базу данных о проверках и инвентаризации камер-ловушек, что в конечном итоге можно выводить в виде отдельного технического отчета. После формирования макета базы производится загрузка фотографий и их первичное тегирование. Первичное тегирование по умолчанию включает в себя название вида (на латыни или общее название на английском, по усмотрению исследователей) и их количество. В нашем случае к ним добавляется еще код животного. Данной информации достаточно для получения информации по минимальной численности разных видов, встречаемости и оценке относительного обилия. После этого к работе с данными для вторичного тегирования и дальнейшего анализа подключаются специалисты по конкретным группам животных. Доступ к базе осуществляется по ссылке при подключении к интернету по локальной сети, без необходимости установки программы на каждый компьютер. При необходимости доступ к базе можно организовать при использовании облачного хранилища или отдельного сервера с возможностью доступа по глобальной сети. Подробное руководство к программе Camelot доступно по ссылке: https://camelot-project.readthedocs.io/en/latest/index.html.
Четвертый этап работы заключается в проведении вторичного тегирования, выводе отчетов и дальнейшем анализе в сторонних программах по усмотрению специалистов. Вторичное тегирование представляет собой добавление информации по полу, возрасту, индивидуальному номеру (для леопардов и тигров) и дополнительных тегов по усмотрению исследователей (поведенческие теги, примечания и т.д.). Camelot предоставляет 12 вариантов отчетов, от полного отчета, включающего информацию по каждой фотографии со всеми метаданными, до специализированных отчетов, содержащих общую статистику по видам (количество независимых отловов, количество ловушко-суток и значение RAI - индекс относительного обилия), матрицу состояния вида (для программы PRESENCE (Hines, 2017) или пакета camtrapR пространства R) и два варианта отчетов с интеграцией в R (для пакета camtrapR (Niedballa et al., 2016).
Выбор программного обеспечения для работы с данными фотоловушек зависит от объема данных, технических запросов и возможностей, а также специализированных задач исследования (Ivan, Newkirk, 2016; Scotson et al., 2017). Наиболее удачной для нашей работы является программа Camelot, с последующей интеграцией данных с пакетами для среды программирования R (R core team, 2020). Данное ПО имеет ряд преимуществ перед другими подобными программами (Young et al., 2017; Огурцов, 2019), включая многопользовательский доступ, который в нашем случае являлся одним из ключевых критериев по выбору ПО. Нерешенными вопросами остаются автоматическое распознавание видов на фотографии, работа с видеоданными и массовый экспорт фотографий по заданным параметрам. В дальнейшем планируется работа над автоматизацией процесса сортировки и распознавания видов животных и последующая работа с базой.
Список литературы
Огурцов С.С., Волков В.П., Желтухин А.С. 2017. Обзор современных способов хранения, обработки и анализа данных с фотоловушек в зоологических исследованиях // Nature Conservation Research. Заповедная наука. Т. 2(1). С. 73-98.
Огурцов С. С. 2019. Обзор программного обеспечения для обработки и анализа данных с фотоловушек: последние новинки, работа с видео и ГИС // Nature Conservation Research. Заповедная наука. Т. 4(2). С. 95-124.
Amin R., Wacher T. 2017. A new comprehensive package for the management and analysis of camera trap data for monitoring antelopes and other wild species // Gnusletter. Vol. 34(2). P. 21-23.
Burton A.C., Neilson E., Moreira D., Ladle A., Steenweg R., Fisher J.T., Boutin S. 2015. Wildlife camera trapping: A review and recommendations for linking surveys to ecological processes // Journal of Applied Ecology. 52. P. 675-685.
Fegraus E.H., Lin K., Ahumada J.A., Baru C., Chandra S. & Youn C. 2011. Data acquisition and management software for camera trap data: A case study from the TEAM Network // Ecological Informatics. 6(6). P. 345- 353.
Hendry H., Mann C. 2018. Camelot-intuitive software for camera-trap data management // Oryx. 52(1). P. 15. doi:10.1017/S0030605317001818
Hines J.E. 2017. PRESENCE 12.1. Software ti estimate patch occupancy and related parameters. Available from https://www.mbr-pwrc.usgs.gov/software/presence.html
Ivan J.S., Newkirk E.S. 2016. CPW Photo Warehouse: A custom database to facilate archiving, identifying, summarizing and managing photo data collected from camera traps // Methods in Ecology and Evolution. Vol. 7(4). P. 499-504.
Niedballa, J., Sollmann, R., Courtiol, A., & Wilting, A. 2016. CamtrapR: an R package for efficient camera trap data management // Methods in Ecology and Evolution. 7(12). P. 1457-1462.
R Core Team (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria.
Scotson L., Johnston L.R., Iannarilli F., Wearn O.R., Mohd-Azlan J., Wong W., Gray T.N.E., Dinata Y., Suzuki A., Willard C.E., Frechette J., Loken B., Steinmetz R., MoBbrucker A.M., Gopalasamy R.C., Fieberg J. 2017. Best practices and software for the management and sharing of camera trap data for small and large scales studies // Remote Sensing in Ecology & Conservation. Vol. 3(3). P. 158-172.
Vitkalova A.V., Shevtsova E.I. 2016. A complex approach to study the Amur leopard using camera traps in protected areas in the Southwest of Primorsky krai (Russian Far East) // Nature Conservation Research. 2016. Vol. 1(3). P. 53-58.
Young S., Rode-Margono J., Amin R. 2018. Software to facilitate and streamline camera trap data management: A review // Ecology and Evolution. 8. P. 9947- 9957.
References
Amin R., Wacher T. 2017. A new comprehensive package for the management and analysis of camera trap data for monitoring antelopes and other wild species // Gnusletter. Vol. 34(2). P. 21-23.
Burton A.C., Neilson E., Moreira D., Ladle A., Steenweg R., Fisher J.T., Boutin S. 2015. Wildlife camera trapping: A review and recommendations for linking surveys to ecological processes // Journal of Applied Ecology. 52. P. 675-685.
Fegraus E.H., Lin K., Ahumada J.A., Baru C., Chandra S. & Youn C. 2011. Data acquisition and management software for camera trap data: A case study from the TEAM Network // Ecological Informatics. 6(6). P. 345- 353.
Hendry H., Mann C. 2018. Camelot-intuitive software for camera-trap data management // Oryx. 52(1). P. 15. doi:10.1017/S0030605317001818
Hines J.E. 2017. PRESENCE 12.1. Software ti estimate patch occupancy and related parameters. Available from https://www.mbr-pwrc.usgs.gov/software/presence.html
Ivan J.S., Newkirk E.S. 2016. CPW Photo Warehouse: A custom database to facilate archiving, identifying, summarizing and managing photo data collected from camera traps // Methods in Ecology and Evolution. Vol. 7(4). P. 499-504.
Niedballa, J., Sollmann, R., Courtiol, A., & Wilting, A. 2016. CamtrapR: an R package for efficient camera trap data management // Methods in Ecology and Evolution. 7(12). P. 1457-1462.
Bbm. 28. 2021
Ogurtsov S.S. 2019. Review of the software for processing and analysis of data from camera traps: latest news, working with video and GIS // Nature Conservation Research. Vol. 4(2). P. 95-124. [In Russian]
Ogurtsov S.S., Volkov V.P., Zheltukhin A.S. 2017. Review of some actual methods of storage, processing and analysis of data from camera traps in zoological research. // Nature Conservation Research. Vol. 2(1). P. 73-98. [In Russian]
R Core Team (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria.
Scotson L., Johnston L.R., Iannarilli F., Wearn O.R., Mohd-Azlan J., Wong W., Gray T.N.E., Dinata Y., Suzuki A., Willard C.E., Frechette J., Loken B., Steinmetz R., MoBbrucker A.M., Gopalasamy R.C., Fieberg J. 2017. Best practices and software for the management and sharing of camera trap data for small and large scales studies // Remote Sensing in Ecology & Conservation. Vol. 3(3). P. 158-172.
Vitkalova A.V., Shevtsova E.I. 2016. A complex approach to study the Amur leopard using camera traps in protected areas in the Southwest of Primorsky krai (Russian Far East) // Nature Conservation Research. 2016. Vol. 1(3). P. 53-58.
Young S., Rode-Margono J., Amin R. 2018. Software to facilitate and streamline camera trap data management: A review // Ecology and Evolution. 8. P. 9947- 9957.
USING MODERN SOFTWARE FOR ORGANIZATION AND OPTIMIZATION WORK WITH THE CAMERA TRAP MONITORING DATABASE ON THE EXAMPLE OF 'THE LAND OF THE LEOPARD' NATIONAL PARK
T.V. Marchenkova
Federal State Budgetary Institution "Joint Directorate of "Kedrovaya Pad" State Biosphere Nature Reserve and "Land of the Leopard" National Park", Russia e-mail: marchenkova.taisia@gmail.com
The necessity to use specialized software is acute for working with camera traps because of the generation a large number of photo materials. Based on the photo monitoring data of the FSBI "Land of the Leopard" for 2019-2020, the optimization of the organization and storage of the database was carried out using specialized software. The most equipped programs were selected and tested, providing a wide range of functions. Based on them, an example of the stages of working with camera trap data from data acquisition to their further analysis is given. A further work plan is also presented. Key words: database, photo-traps, monitoring, Protected area, South-Western Primorsky Krai
