Il Fototrappolaggio scientifico: analisi e gestione dei dati
Come gestire le enormi quantità di dati ottenuti da un progetto di fototrappolaggio per ricerca scientifica o monitoraggio
 |  |  |  |  |
Indice:
Analisi dei dati
Numerose fototrappole sul campo necessarie per un determinato studio producono una grande mole di dati, non solo sotto forma di foto e/o video. Quando si conduce un progetto di studio tramite fototrappolaggio è infatti importantissimo segnare molte tipologie di dati su delle tabelle (per esempio su Excell) o meglio ancora su un database relazionale (per es Access o SQL) e organizzare minuziosamente i files fotografici e/o video prodotti dalle fototrappole. Nel database le tabelle sono collegate tra loro rendendo più facile l’analisi dei dati. Una prima tabella dovrà contendere i dati utili per calcolare lo sforzo di campionamento, dunque per ogni punto di campionamento verrà segnata la data di inizio dell’attività di fototrappolaggio e la data di fine oltre che la fototrappola utilizzata
| Punto di campionamento | Inizio attività di fototrappolaggio | Fine attività di fototrapplaggio | Fototrappola utilizzata |
| Punto A1 | 01-01-2018 | 31-03-2018 | Camera 1 |
| Punto A2 | 31-01-2018 | 30-06-2018 | Camera 2 |
In una seconda tabella si registreranno le informazioni relative ai diversi punti di campionamento insieme ad eventuali altri parametri, ad esempio quelli ambientali
| Punto di campionamento | Latitudine GPS | Longitudine GPS | Altitudine | Copertura arborea |
| Punto A1 | 15.23543 | -50.42132 | 348 m | 45% |
| Punto A2 | 15.23452 | -60.57943 | 200 m | 79% |
Un’altra tabella conterrà i dati estratti dalle foto o video derivanti dalle fototrappole, ad esempio la specie osservata, il sesso, l’età e il nome del file della foto o video relativa, oltre che data, ora e punto di campionamento.
Softwares per l’analisi dei dati delle fototrappole
I progetti basati sul fototrappolaggio producono una grande mole di dati sotto forma principalmente di foto ma anche di video. Esistono per fortuna una serie di softwares, alcuni anche gratuiti che consentono di gestire più facilmente questi grandi archivi e anche di analizzare i dati.
I softwares per la gestione dei dati provenienti dalle fototrappole non sono da confondere con i softwares che invece verranno utilizzati per poi analizzare i dati estratti dalle foto/video; per questi scopi si useranno softwares generici come R o MATLAB o più specifici come MARK o Presence.
Esistono numerosi softwares specifici per il fototrappolaggio ma questi differiscono moltissimo per le funzioni disponibili e l’approccio con cui consentono di organizzare i dati; è dunque difficile consigliare un software specifico e si consiglia, prima di iniziare un progetto, di testarli e provarli tutti al fine di capire meglio quale software risulti più adatto per i propri scopi. In linea generale questi softwares lavorano meglio con le immagini, mentre hanno più difficoltà ad estrarre informazioni dai video e anche per questo in molti progetti di studio basati sul fototrappolaggio si consiglia di impostare le fototrappole in modalità fotografica invece che video; il video è consigliato fondamentalmente solo per gli studi comportamentali. Ad esempio, quasi tutti i modelli di fototrappole registrano sugli EXIF dei files jpg delle foto tutta una serie di informazioni tra cui il nome assegnato alla fototrappola, le coordinate GPS, la data e l’ora esatta dello scatto e le impostazioni di scatto; i softwares riescono a leggere facilmente queste informazioni in modo automatico; nei files video invece attualmente non è possibile inserire o estrarre queste informazioni, ad esempio la data e l’ora vengono scritte direttamente sui fotogrammi del video e questa informazione non può essere quindi estratta automaticamente dai softwares per cui per ogni video bisogna segnare manualmente la data e l’ora nel database; è assolutamente sconsigliabile basarsi sulla data e l’ora scritta sui dettagli del file (data di creazione, data di ultima modifica) perché questa informazione è imprecisa, non sempre corrisponde alla data e ora reali in cui il video è stato realizzato e può cambiare nel tempo in base al sistema operativo che si utilizza, ad esempio copiando una cartella video da un’unità di memoria ad un’altra.
Camera Base: http://www.atrium-biodiversity.org/tools/camerabase/
Extract Compare: http://conservationresearch.org.uk/Home/ExtractCompare/
Automatic Storage and Analysis of Camera Trap data: http://esapubs.org/archive/bulletin/B091/002/suppl-1.htm
Timelapse: http://saul.cpsc.ucalgary.ca/timelapse/pmwiki.php?n=Main.HomePage
Wild-ID: https://home.dartmouth.edu/faculty-directory/douglas-thomas-bolger
WWF Malaysia Camera Trap Software: https://rimbaresearch.org/2012/01/05/toolbox_update_5/#more-1160
Aardwolf: https://sourceforge.net/projects/aardwolf/
Camera Trap Manager: https://github.com/benizar/cameratrapmanager
CPW Photo Warehouse: https://cpw.state.co.us/learn/Pages/ResearchMammalsSoftware.aspx
Agouti: https://www.agouti.eu/
eMammal: https://emammal.si.edu/
CamtrapR: https://cran.r-project.org/web/packages/camtrapR/
Trapper: https://bitbucket.org/trapper-project/trapper-project
SpeedyMouse: https://www.researchgate.net/publication/289202434_SpeedyMouse_22_for_the_analysis_of_camera_trap_images
Camelot: https://gitlab.com/camelot-project/camelot
ViXeN: https://github.com/vixen-project/vixen
Intelligenza artificiale per l’estrazione dei dati
Nei progetti di studio si usano solitamente grandi numeri di fototrappole, decine o centinaia, che lavorando tutti i giorni 24h su 24 producono quantità di dati foto e/o video enormi. Estrarre i dati da questi immensi archivi di dati richiede enormi quantità di tempo. Oggi l’Intelligenza Artificiale, però, può dare un grandissimo aiuto. Modelli addestrati per il riconoscimento delle immagini sono stati addestrati per l’identificazione delle specie sia su foto che su video; questi modelli ormai raggiungono percentuali di precisione molto elevate, superiori al 90% e sono in grado di classificare automaticamente foto e video da fototrappolaggio in funzione della specie; modelli più complessi sono anche in grado di riconoscere il comportamento. L’IA dunque consente in modo automatico di processare grandi archivi di foto/video da fototrappole riducendo enormemente il lavoro degli operatori umani.
 |  |
