Artykuł metodologiczny

Miasta jako interfejsy pojawiania się zoonoz: Rozwój systemu nadzoru miejskiej populacji kleszczy i dzikich zwierząt w Nowym Jorku

711 wyświetleń

⸱

DOI:

10.3791/69755

⸱

10 marca 2026

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Department of Ecology, Evolution, and Environmental Biology, Columbia University, 2NYC Bird Alliance, 3School of Biological Sciences, University of Canterbury, 4Mianus River Gorge, 5Cornell University, 6Hofstra University, 7City of New York Parks & Recreation

* These authors contributed equally

W tym artykule

Podsumowanie

Istnieje krytyczna potrzeba monitorowania, jak kleszcze i ich dzikie gospodarze reagują na urbanizację. Ten protokół opisuje kroki rozwoju standaryzowanego Systemu Urbanistycznej Nadzoru nad Kleszczami i Dzikimi Zwierzętami, który umożliwi adaptacyjne zarządzanie w odpowiedzi na nowe zagrożenia związane z kleszczami w środowiskach miejskich.

Streszczenie

Zagrożenia związane z kleszczami w miejskich krajobrazach wzrastają, ale nadal istnieją krytyczne luki w rozumieniu ryzyka chorób przenoszonych przez kleszcze wśród ludzi na różnych poziomach urbanizacji. Wraz z utratą naturalnego siedliska na całym świecie, zielone przestrzenie miejskie mogą stanowić krytyczne siedlisko dla dzikich zwierząt, co ma różne konsekwencje dla pojawiania się chorób przenoszonych przez kleszcze. Obszar metropolitalny Nowego Jorku ma najwyższą gęstość zaludnienia i największy zasięg geograficzny spośród wszystkich miast w Stanach Zjednoczonych, zawierając jednocześnie rozległą sieć przestrzeni zielonych. Te miejskie przestrzenie zielone różnią się otaczającą pokrywą lądową i łącznością, zapewniając ważne schronienie i siedlisko dla setek gatunków dzikich zwierząt miejskich, które były historycznie niedostatecznie badane. Zgodnie z wiedzą autorów, nie ma systemów nadzoru nad kleszczami miejskimi, które monitorowałyby, jak kleszcze i ich dzikie gospodarze reagują i pojawiają się w środowiskach miejskich. Aby wypełnić tę lukę, na obszarze od Nowego Jorku przez Long Island w stanie Nowy Jork, zbudowano długoterminowy system nadzoru nad kleszczami i dzikimi zwierzętami wzdłuż gradientu urbanizacji. Opisujemy proces współpracy z różnorodną grupą partnerów w celu zaprojektowania, wdrożenia i utrzymania połączonego systemu pułapek na dzikich zwierzęta i nadzoru nad kleszczami. Proces rozpoczął się od utworzenia komitetu doradczego składającego się z ekspertów od chorób przenoszonych przez kleszcze i partnerów zajmujących się zarządzaniem dzikimi zwierzętami, którzy dostarczyli wskazówek i opinii, aby wspólnie przepracować następujące kroki: 1) początkowe wizualizacja i wyznaczenie gradientu urbanizacji, 2) potencjalny wybór przestrzeni zielonych, 3) pozwolenia na terenie, 4) wybór miejsca dla kamer na dzikich zwierząt i miejsca pobierania kleszczy, 5) umieszczanie kamer na dzikich zwierzętach, 6) pobieranie kleszczy, 7) identyfikacja kleszczy, 8) identyfikacja fotograficzna dzikich zwierząt, 9) utrzymanie szlaków i raportowanie wyników. W miarę jak Nowy Jork i inne miasta na całym świecie nadal się rozwijają, projekty współpracy takie jak System Nadzoru Miejskiego nad Kleszczami i Dzikimi Zwierzętami mogą generować wiedzę, która pomoże ludziom reagować na nowe zagrożenia zoonotyczne w środowiskach miejskich.

Wprowadzenie

Większość ludności świata zamieszkuje obszary miejskie, które nieustannie rozrastają się zarówno pod kątem liczby mieszkańców, jak i zasięgu geograficznego1. Choć ekspansja miast jest jednym z głównych zagrożeń dla globalnej różnorodności biologicznej1,2,3, obszary zurbanizowane są coraz częściej zagospodarowywane w celu zapewnienia siedlisk dla dzikich zwierząt poprzez zazielenianie miast, ponieważ naturalne siedliska ulegają przekształceniu i fragmentacji4,5,6,7. Współistnienie gęsto zaludnionych obszarów miejskich z dziką przyrodą może prowadzić do interakcji między ludźmi a zwierzętami o charakterze zarówno pozytywnym (np. poczucie związku z naturą)8, jak i szkodliwym (np. transmisja chorób odzwierzęcych)9. Historycznie dzika fauna w systemach miejskich była niedostatecznie zbadana10, co stworzyło krytyczną lukę w zrozumieniu trwałości populacji zwierząt, ryzyka wystąpienia chorób odzwierzęcych11 oraz koegzystencji ludzi i dzikich zwierząt12 w zmieniającym się świecie.

Północno-wschodnie Stany Zjednoczone (U.S.) są intensywnie zurbanizowane13 i stanowią ognisko występowania kleszczy wirginijskich (Ixodes scapularis) oraz pojawiania się chorób przenoszonych przez kleszcze14, przy czym ryzyko to wykazuje różnice przestrzenne w obrębie regionu15. Choroby przenoszone przez kleszcze, takie jak borelioza, są najczęściej zgłaszanymi chorobami wektorowymi w U.S., z liczbą prawie 500 000 przypadków rocznie14. W stanie Nowy Jork kleszcze wirginijskie przenoszą kilka patogenów istotnych dla zdrowia publicznego, w tym Borrelia burgdorferi (czynnik etiologiczny boreliozy), Anaplasma phagocytophilum (czynnik etiologiczny anaplazmozy), Babesia microti (czynnik etiologiczny babeszjozy) oraz wirus Powassan (czynnik etiologiczny choroby z wirusa Powassan)16. Oprócz kleszcza wirginijskiego, po niedawnym zawleczeniu, w północno-wschodniej części kraju szybko utrwaliła się populacja kleszcza długorogiego (Haemaphysalis longicornis)17,18, a inne rodzime kleszcze-wektory, takie jak kleszcz samotna gwiazda (Amblyomma americanum), który może wywołać zespół alfa-gal19, zwiększają liczebność i rozszerzają swój zasięg na północ20,21, co stwarza nowe wyzwania dla zdrowia publicznego.

Choć zagrożenia związane z kleszczami w obszarach zurbanizowanych rosną15,22, większość badań nad kleszczami koncentrowała się na obszarach wiejskich i podmiejskich22,23,24, co doprowadziło do powstania istotnych luk w zrozumieniu ekologii patogenów przenoszonych przez kleszcze wzdłuż gradientów urbanizacji oraz w miejskich przestrzeniach zielonych15,25. Aktywny nadzór nad kleszczami, dzikimi żywicielami oraz drapieżnikami tych żywicieli jest niezbędny w celu opracowania lokalnych praktyk zarządzania opartych na dowodach26.

Nowy Jork (NYC) posiada największą populację ludzi spośród wszystkich miast w USA13. W 2020 roku szacowano, że w pięciu dzielnicach NYC mieszkało >8,4 miliona osób13, a w szerszym obszarze metropolitalnym >20,1 miliona osób13. Chociaż NYC ma wyższą średnią gęstość zabudowy (około 4700 jednostek mieszkalnych na km2) niż jakiekolwiek inne miasto w USA13, miasto to posiada również ponad 29 000 akrów (14% powierzchni lądowej) terenów parkowych zarządzanych przez NYC Department of Parks and Recreation27, które stanowią istotne siedliska i refugia dla setek gatunków dzikich zwierząt28,29. Miasto leży wzdłuż szlaku migracyjnego Atlantic Flyway, będącego drogą przelotu dla milionów ptaków30,31, i zostało niedawno ponownie zasiedlone przez kilka gatunków średnich ssaków, w tym w szczególności przez kojota wschodniego (Canis latrans x Canis lycaon)32, skunksa pręgowanego (Mephitis mephitis)33 oraz jelenia białogoniego (Odocoileus virginianus)34.

W związku z inwestycjami Nowego Jorku w ponowną zazielenie miasta35, prawdopodobnie wzrośnie częstotliwość interakcji między ludźmi a dziką przyrodą36. Choć wzrost bioróżnorodności miejskiej może być oznaką zdrowego ekosystemu37 i może przywrócić poczucie kontaktu z naturą w życiu miejskim38, interakcje z dzikimi zwierzętami w miastach mogą również prowadzić do transmisji patogenów zoonotycznych11,39. Ssaki przystosowane do warunków miejskich, takie jak szop podsiewka (Procyon lotor), są w tym względzie gatunkami interesującymi, ponieważ mogą wykazywać większą tolerancję na urbanizację niż inne duże ssaki40,41 i mogą pośredniczyć w transmisji patogenów zoonotycznych na obszarach miejskich42. Kolejnym gatunkiem budzącym zainteresowanie są jelenie ogoniaste, gdyż stwierdzono, że ich obecność w miejskich terenach zielonych zwiększa liczebność kleszczy i potęguje ryzyko zachorowania na boreliozę25,43.

W granicach miasta Nowy Jork działa rozbudowany program nadzoru nad wektorami, prowadzony przez Departament Zdrowia; jednak kleszcze nie są badane w tak szerenym zakresie w najbardziej zurbanizowanych terenach zielonych miasta44,45,46. Wysiłki w zakresie nadzoru nad kleszczami w sąsiednich hrabstwach różnią się pod względem intensywności47,48, co utrudnia porównania międzygminne. Przeprowadzono wiele badań nad zagrożeniami związanymi z kleszczami w środowisku miejskim17,18,43,46,49 oraz dziką fauną33,34,50,51 w granicach miasta, co dostarczyło cennych informacji na temat tego, jak kleszcze, patogeny przenoszone przez kleszcze i dzikie zwierzęta mogą reagować na środowiska miejskie i je wykorzystywać. Jednak skutki urbanizacji w odniesieniu do zagrożeń przenoszonych przez kleszcze i społeczności dzikich zwierząt wykraczają poza centrum miasta, rozciągając się wzdłuż gradientów urbanizacji15,52,53,54. Według najlepszej wiedzy autorów nie istnieją miejskie systemy nadzoru nad kleszczami, które monitorowałyby sposób pojawiania się kleszczy i ich gospodarzy z dzikiej fauny w środowiskach wzdłuż gradientów urbanizacji. Aby pomóc mieszkańcom Nowego Jorku reagować na pojawiające się zagrożenia przenoszone przez kleszcze i współistnieć z dziką fauną, zróżnicowana grupa partnerów z Nowego Jorku opracowała Miejski System Nadzoru nad Kleszczami i Dziką Fauną (Tick and Wildlife Urban Surveillance System, TWUSS), obejmujący gradient urbanizacji od Nowego Jorku przez Long Island, NY.

Schemat analizy wpływu urbanizacji; zbieranie kleszczy, monitorowanie dzikiej przyrody, proces raportowania danych.
Rysunek 1. Etapy projektowania, wdrażania i utrzymywania Systemu Miejskiego Nadzoru nad Kleszczami i Dziką Przyrodą. Strzałki sprzężenia zwrotnego zostały naniesione między wyborem potencjalnych terenów zieleni, uzyskaniem zgód na dostęp do terenu a wyborem miejsc do zbierania kleszczy i rozmieszczenia fotopułapek. Rysunek wykonany w programie BioRender. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Przed ustanowieniem TWUSS powołano komitet doradczy składający się z kluczowych partnerów z zakresu zarządzania dziką przyrodą oraz ekspertów w dziedzinie ekologii zagrożeń przenoszonych przez kleszcze, którzy przekazali sugestie i uwagi dotyczące projektu transektów (Rycyna 1). Odbywano comiesięczne spotkania w celu ustalenia celów projektu, uzgadniając, że głównym celem naukowym było uwzględnienie stanowisk obejmujących gradient urbanizacji, łączności siedlisk oraz wielkości płatów. Włączenie wielu doradców pozwoliło na wykorzystanie głębokiej lokalnej wiedzy o obszarze. Na przykład wymiana uwag między partnerami pomogła zaplanować możliwość uchwycenia przez sieć dynamiki ekspansji i rozprzestrzeniania się kojotów na Long Island32. Opinie partnerów ułatwiły również włączenie stanowisk, w których zarządcy wyrazili gotowość do zapewnienia dostępu, grupy społecznościowe mogły pomóc w obsłudze fotopułapek i/lub fotoznakowaniu, a członkowie zespołu posiadali osobiste kontakty umożliwiające dostęp do terenu.

Fotopułapki do monitorowania dzikiej przyrody (nazywane również kamerami terenowymi lub łowieckimi; w dalszej części tekstu określane jako kamery do monitorowania dzikiej przyrody) zostały powszechnie przyjęte jako nieinwazyjna i stosunkowo tania metoda zbierania danych o zwierzętach, co zmieniło rutynowy sposób prowadzenia badań nad dziką przyrodą55,56. Kamery do monitorowania dzikiej przyrody umożliwiają gromadzenie ogromnych ilości danych obrazowych, co nie byłoby możliwe przy zastosowaniu tradycyjnych metod obserwacji terenowych57. Urban Wildlife Information Network (UWIN) opracowała schemat transektów dla fotopułapek, który jest udostępniany partnerskim miastom członkowskim na całym świecie w celu monitorowania rozmieszczenia lokalnej dzikiej przyrody wzdłuż gradientów miejskich58. Schemat transektów UWIN został zaadaptowany, a kamery do monitorowania dzikiej przyrody połączono z pobieraniem kleszczy w ramach stworzenia TWUSS (Rysunek 1). Do pobierania próbek kleszczy wykorzystano metodę „przeciągania tkaniny” (tzw. tick drags) jako standardowy sposób szacowania zagęszczenia kleszczy59. Próbkowanie koncentrowało się na stadium nimfy, ponieważ nimfy kleszczy są głównym wektorem patogenów przenoszonych przez kleszcze na ludzi. Próbkowanie kleszczy prowadzono zatem od końca maja do końca lipca, zgodnie z szczytem aktywności nimf kleszczy I. scapularis w północno-wschodniej części USA60.

Aby partner miejski mógł dołączyć do sieci UWIN, głównym wymogiem jest wyznaczenie co najmniej jednego transektu, który pomieści 25–30 lokalizacji stacji z fotopułapkami58; nie istnieje wymóg co do minimalnej długości, ani wymóg, aby transekt biegł w linii prostej. Zgodnie z wymogami sieci UWIN, stacje z fotopułapkami mogą być rozmieszczone w każdym obszarze użytkowanym przez dziką przyrodę, w tym w ogrodach przydomowych58. Jednakże program TWUSS koncentruje się na publicznych lub półpublicznych terenach zielonych, takich jak parki miejskie, cmentarze, rezerwaty leśne, pola golfowe lub duże ogrody, w celu rozmieszczenia fotopułapek pozwalających na uchwycenie rozprzestrzenienia bardziej wrażliwych gatunków docelowych, takich jak jelenie białogoniowe i skunksy6. Transekt w Nowym Jorku (NYC) ma długość 55 km i szerokość 4 km, podzielony na dziesięć odcinków o długości 5 km każdy. W 2022 roku w każdym odcinku utworzono cztery stacje z fotopułapkami, co łącznie dało 40 lokalizacji poboru próbek fauny, rozciągających się od Brooklynu po hrabstwo Nassau w stanie Nowy Jork. W 2023 roku dodano kolejny odcinek na Staten Island w stanie Nowy Jork. W przypadku zbiorów kleszczy wykluczono pola golfowe ze względu na stosowanie insektycydów i aktywne zwalczanie kleszczy, co mogłoby zakłócić dane61, w wyniku czego 29 lokalizacji stacji z fotopułapkami stało się również miejscami zbioru kleszczy.

TWUSS różni się od innych systemów nadzoru nad kleszczami zastosowaniem projektu transekcyjnego w gradiencie urbanizacji oraz parowaniem zestandaryzowanych metod gromadzenia danych o kleszczach i dzikich zwierzętach26,62,63. W nadzór nad kleszczami zaangażowanych jest wiele instytucji rządowych i pozarządowych64. Jednak większość działań w zakresie nadzoru nad kleszczami ma ograniczony cel w postaci wykrywania obecności kleszczy i opiera się na pasywnych, niestandaryzowanych metodach nadzoru62,63,65. Metody nadzoru pasywnego (tzn. zgłoszenia o kleszczach na platformach nauki obywatelskiej) mają przewagę nad metodami nadzoru aktywnego ze względu na niskie koszty i relatywnie niewielki nakład pracy potrzebny do ich utrzymania62,66, lecz nie pozwalają na głębokie zrozumienie trendów przestrzennych i czasowych63. W 2020 roku Centers for Disease Control and Prevention (CDC) opublikowało kompleksowy przewodnik po aktywnym nadzorze nad kleszczami, który zawiera szczegółowe instrukcje przeprowadzania przeciągów kleszczowych, lecz zawiera jedynie ogólne wytyczne dotyczące wyboru lokalizacji59, co jest krytycznym krokiem w ocenie zagrożenia kleszczami67. Ponadto obecne metody nadzoru nad kleszczami rzadko obejmują powiązany monitoring dzikich zwierząt, mimo że ekologia kleszczy jest ściśle powiązana z ich żywicielami wśród dzikich zwierząt68,69. Urban Wildlife Institute podjął znaczne wysiłki w celu zestandaryzowania monitoringu dzikich zwierząt w obrębie gradientów urbanizacji poprzez utworzenie UWIN58, a istnieje potencjał do rozszerzenia takich sieci w celu realizacji celów One Health70. Dzięki połączeniu zestandaryzowanych metod zbierania kleszczy i monitorowania dzikich zwierząt w gradiencie urbanizacji, TWUSS umożliwia istotne porównania dynamiki populacji kleszczy i ich żywicieli wśród dzikich zwierząt tam, gdzie działania w zakresie aktywnego nadzoru były ograniczone22.

Projekt TWUSS jest najbardziej odpowiedni dla obszarów miejskich, w których występują, rozszerzają swój zasięg lub pojawiają się dzikie zwierzęta, kleszcze oraz przenoszone przez nie patogeny64,70. Kluczowym ograniczeniem, o którym należy wspomnieć, jest zależność od zgód partnerów oraz duży nakład pracy wymagany do utrzymania transektu. W niniejszej pracy przedstawiamy proces ustanawiania transdyscyplinarnej współpracy w celu zaprojektowania, wdrożenia i utrzymania spójnego systemu fotopułapek dla dzikich zwierząt oraz nadzoru nad kleszczami.

Protokół

Od odpowiednich organów nadzorczych uzyskano zezwolenia na dostęp do terenów, rozmieszczenie fotopułapek oraz pobieranie kleszczy w każdej z lokalizacji.

1. Wstępna wizualizacja i wyznaczenie gradientu transektu

UWAGA: Chociaż istnieje wiele sposobów ilościowego określania urbanizacji71, składniki strukturalne powierzchni nieprzepuszczalnych i gęstości zabudowy mieszkalnej w połączeniu z pokryciem leśnym są najczęstszymi wskaźnikami stosowanymi w badaniach nad urbanizacją oraz dziką przyrodą i/lub kleszczami25,72,73.

  1. Użyj oprogramowania ArcGIS pro lub innego preferowanego programu GIS, aby zwizualizować wskaźniki urbanizacji dla badanego regionu. Wykorzystaj procent powierzchni nieprzepuszczalnej oraz gęstość zabudowy mieszkaniowej do kategoryzacji urbanizacji, a procentowy udział korony drzew do wizualizacji stopnia zazielenienia i jakości siedlisk dzikich zwierząt74.
    1. Pobierz plik rastrowy procentu powierzchni nieprzepuszczalnej z najnowszej opublikowanej National Landcover Database (NLCD)75. W przypadku gęstości zabudowy mieszkaniowej wykorzystaj dane U.S. Census13 lub zbiór danych Silvis Housing density76. Procentowy udział korony drzew pobierz z NLCD75.
    2. Przechowuj wszystkie zbiory danych w folderze projektu na dysku lokalnym lub serwerze. Dodaj każdą warstwę danych do projektu, korzystając z przycisku Add Data w karcie Map. Wybieraj każdą warstwę danych z folderu projektu i dodawaj je pojedynczo, powtarzając ten proces dla wszystkich warstw.
    3. W przypadku rastra powierzchni nieprzepuszczalnej ustaw symbolikę na „przedziały” (kategorie) intensywności urbanizacji w oparciu o zstandardyzowane kategorie77: wysoka intensywność urbanizacji (>80% powierzchni nieprzepuszczalnych), średnia intensywność urbanizacji (50%-79% powierzchni nieprzepuszczalnych), niska intensywność urbanizacji (20%-49% powierzchni nieprzepuszczalnych) oraz przestrzeń otwarta (>20%). Aby zastosować tę symbolikę, kliknij prawym przyciskiem myszy warstwę rastrową w panelu Contents, wybierz Symbology, zmień Primary symbology na Classify i zdefiniuj klasy zgodnie z określonymi kategoriami intensywności urbanizacji.
    4. W przypadku warstwy shapefile gęstości zabudowy mieszkaniowej ustaw symbolikę dla zstandardyzowanych kategorii intensywności urbanizacji gęstości zabudowy jako78: miejska (>1 000 domów na km2), podmiejska (147,06-1 000 domów na km2) i poza-miejska (6,18-147,05 domów na km2). Aby zastosować tę symbolikę, kliknij prawym przyciskiem myszy warstwę w panelu Contents, wybierz Symbology, zmień Primary symbology na Unique Values i przypisz klasy odpowiadające określonym kategoriom gęstości zabudowy.
    5. Dla warstwy korony drzew pozostaw symbolikę w postaci ciągłego zakresu 0-100%.
  2. Zidentyfikuj obszary, na których występuje gradient urbanizacji w regionie, w celu wstępnego wyznaczenia transektu o szerokości 4 km, który obejmuje każdą kategorię urbanizacji zdefiniowaną w krokach 1.1.3 i 1.1.4 (Rycina 2).
    UWAGA: Jeśli nie ma wyraźnego liniowego gradientu urbanizacji do wyznaczenia transektu, można go podzielić na odcinki o długości 5 km, tworząc transekt nieliniowy, który nadal obejmuje różne poziomy urbanizacji i zawiera minimum cztery stanowiska na odcinek.
  3. Ustaw transekt tak, aby spełniał poniższe warunki, jednocześnie odpowiednio odwzorowując gradient:
    1. Obejmij interesujące przestrzenie zielone i upewnij się, że stacje z fotopułapkami mogą być rozmieszczone w odległości co najmniej 1 km od siebie, aby zostały uznane za niezależne przestrzennie w odniesieniu do typowych miejskich średnich ssaków i ptaków79,80 (Rycina 2).
    2. Ustaw transekt tak, aby obejmował przestrzenie zielone istotne dla współpracowników lub przestrzenie wysokiej jakości (>38% udziału korony drzew81), co pozwoli zachować heterogeniczność pokrycia zielenią wewnątrz fragmentu (np. duży, zalesiony park w najbardziej zurbanizowanych odcinkach).
    3. Wybierz przycisk Measure w karcie Map, aby pomóc w określeniu położenia i odległości transektu.
      UWAGA: Upewnij się, że podczas wyznaczania dokładnej linii transektu do wyboru jest więcej niż minimalne cztery lokalizacje na odcinek, ponieważ niektóre potencjalne obszary mogą być lub mogą stać się nieużytkowe z kilku powodów (np. brak zgody na umieszczenie fotopułapki lub nieodpowiednie siedlisko po weryfikacji terenowej).

2. Wybór potencjalnych terenów zielonych: Identyfikacja potencjalnych terenów zielonych do rozmieszczenia fotopułapek i zbiorów kleszczy na obszarze badań

  1. Zidentyfikuj wszystkie tereny zielone w obrębie granic transektu, pobierając plik shapefile Bazy Obszarów Chronionych Stanów Zjednoczonych (PAD-US) i dodając go do mapy zgodnie z krokiem 1.1.2.82.
  2. Oblicz wielkość (pole powierzchni) oraz procentową pokrywę koron drzew w obrębie każdego terenu zielonego na podstawie warstwy danych o pokrywie koron drzew.
    1. W karcie Analysis wybierz przycisk Tools, aby otworzyć panel Geoprocessing.
    2. Aby obliczyć wielkość każdego terenu zielonego, użyj narzędzia Calculate Geometry Attributes. Wybierz warstwę terenów zielonych jako Input Features, następnie utwórz nowe Field dla wielkości i wybierz Area jako Property. Wybierz żądaną jednostkę pola Area Unit oraz układ współrzędnych Coordinate System, a następnie kliknij Run, aby narzędzie wykonało operację.
    3. Aby obliczyć procentową pokrywę koron drzew w obrębie każdego terenu zielonego, użyj narzędzia Zonal Statistics. Wybierz warstwę terenów zielonych jako Input Raster or Feature Zone Data, następnie wybierz nazwę lub unikalny identyfikator każdego terenu zielonego jako Zone Field oraz warstwę pokrywy koron drzew jako Input Value Raster. Następnie wybierz Mean jako Statistics Type i kliknij Run, aby narzędzie wykonało operację.
  3. W przypadku lokalizacji rozmieszczenia fotopułapek:
    1. Wybierz parki miejskie, pola golfowe, cmentarze oraz rezerwaty/obszary przyrodnicze jako miejsca rozmieszczenia fotopułapek, ponieważ często stanowią one większość terenów zielonych w obszarach metropolitalnych i są powszechnie wykorzystywane jako lokalizacje fotopułapek w badaniach związanych z UWIN6.
    2. Ustaw symbolikę dla warstwy procentowej pokrywy koron drzew zgodnie z krokiem 1.1.3., klasyfikując obszary w każdym segmencie transektu jako siedliska gęsto zalesione (>38% pokrywy koron drzew) lub słabo zalesione (<38% pokrywy koron drzew)81, aby uwzględnić zmienność jakości siedlisk w lokalizacjach fotopułapek na transektcie83. W każdym segmencie transektu zidentyfikuj dwa tereny zielone z obszarami gęsto zalesionymi oraz dwa z obszarami słabo zalesionymi jako potencjalne miejsca rozmieszczenia fotopułapek (Rycina 3).
  4. W przypadku zbiorów kleszczy, przefiltruj parki publiczne, rezerwaty przyrody i ogrody, aby uwzględnić tylko tereny zielone o wielkości płata ≥5 hektarów i całkowitej pokrywie koron drzew ≥20%, co zapewni, że metody próbkowania kleszczy będą mogły objąć co najmniej 800 m leśnego siedliska wzdłuż szlaków25,59,84.
    UWAGA: Unikaj wybierania pól golfowych jako miejsc zbioru kleszczy ze względu na stosowanie insektycydów61.

3. Zgoda na wykorzystanie terenu

  1. Zidentyfikuj osoby kontaktowe dla każdego wybranego terenu zielonego, korzystając z wyszukiwarek internetowych lub sieci partnerskich, aby uzyskać dostęp do terenu oraz zgodę na rozmieszczenie fotopułapek i przeprowadzenie zbiorów kleszczy.
    1. Przygotuj i prześlij zidentyfikowanym osobom kontaktowym drogą mailową lub telefoniczną jednostronicowy opis projektu. Wyniki przedstawione w tym opisie mogą obejmować dostęp do zdjęć za pośrednictwem strony projektu Wildlife Insights85, roczne raporty z fotopułapek oraz uzyskane informacje o lokalnych populacjach kleszczy. W przypadku parków i publicznych obszarów przyrodniczych wykorzystywanych w transektach, uzyskaj zezwolenia w odpowiednich wydziałach parkowych lub gminnych. W przypadku wszystkich prywatnych terenów wykorzystywanych w transektach, gdzie nie obowiązuje oficjalny proces wydawania pozwoleń, uzyskaj zgodę pisemną (np. potwierdzenie w wiadomości e-mail).

4. Wybór lokalizacji dla fotopułapek i punktów zbioru kleszczy

  1. W celu wyboru miejsc pod fotopułapki dla dzikich zwierząt, wygeneruj losowy punkt wewnątrz granic każdego terenu zielonego, aby określić potencjalne lokalizacje kamer.
    1. Otwórz panel Geoprocessing i wybierz narzędzie Create Random Points. Jako Constraining Feature Class wybierz warstwę terenów zielonych, a następnie wybierz Run.
    2. W przypadku terenów zielonych na tyle dużych, by pomieściły dwie stacje rozmieszczenia fotopułapek, wygeneruj jednocześnie dwa losowe punkty z minimalnym odstępem 1 km, wybierając wartość 1 km dla Minimum Allowed Distance.
    3. Wygeneruj nowe losowe punkty, jeśli nie znajdują się one w obrębie siedlisk rzadko lub gęsto zalesionych (Rysunek 3). Losowo wygenerowane punkty mogą podlegać niewielkim zmianom podczas wizyt w terenie; prawdopodobne będą również sugestie dotyczące rozmieszczenia fotopułapek w zależności od tego, co właściciele gruntów uznają za dopuszczalne.
  2. W celu wyznaczenia miejsc zbioru kleszczy, wybierz lokalizacje do przeciągania flanelowych tkanin na kleszcze w promieniu 500 m od fotopułapki wzdłuż trzech różnych typów transektów: 1) krawędź ścieżki, 2) wnętrze lasu oraz 3) krawędź lasu i trawnika25 (Rysunek 4). Upewnij się, że możliwe jest przeciągnięcie ośmiu pełnych transektów o długości 100 m.
    1. Wykorzystaj zdjęcia satelitarne lub dostępne mapy ścieżek dla każdego terenu zielonego, aby zidentyfikować dwa potencjalne 100 m transekty dla każdego typu transektu.
    2. Wybierz dodatkowe dwa transekty w dowolnym typie siedliska, aby dopełnić 800 m, dbając o to, by każdy odcinek przeciągania był oddalony od pozostałych o ≥10 m.
    3. Jeśli krawędź lasu i trawnika nie występuje, wybierz dodatkowe 200 m jako transekty wewnątrz lasu i wzdłuż ścieżek.
  3. Oblicz procentowy udział korony drzew, procent powierzchni nieprzepuszczalnej oraz gęstość zabudowy mieszkaniowej w promieniu 2 km wokół każdego miejsca rozmieszczenia fotopułapki na całym transekcie.
    1. Dodaj współrzędne każdego miejsca rozmieszczenia fotopułapki do mapy projektu ArcGIS za pomocą przycisku Add Data. W panelu Geoprocessing programu ArcGIS Pro wybierz narzędzie Pairwise Buffer. Jako Input Features wybierz warstwę punktów fotopułapek i ustaw Distance na 2 km. Kliknij Run, aby utworzyć bufor.
    2. Użyj narzędzia Zonal Statistics, zgodnie z opisem w kroku 2.2.3., aby obliczyć procentowy udział korony drzew, procent powierzchni nieprzepuszczalnej oraz gęstość zabudowy mieszkaniowej w obrębie bufora 2 km wokół każdej fotopułapki.
    3. Zweryfikuj, czy wszystkie stopnie urbanizacji są reprezentowane i czy gradient urbanizacji został odpowiednio uchwycony poprzez rozmieszczenie fotopułapek i miejsc zbioru kleszczy w obrębie każdego segmentu transektu (Rysunek 5).
      UWAGA: Kroki 5 i 6 wymagają niezbędnych prac terenowych, które mogą narażać członków zespołu na zagrożenia i ryzyko86. Bezpieczeństwo w terenie jest kluczowe dla sukcesu. Stosuj ustalone wytyczne bezpieczeństwa w celu planowania bezpiecznych i efektywnych prac terenowych86.

Mapa rozmieszczenia fotopułapek; obszary przeciągania kleszczów, gęstość lasu i transekt w miejskiej przestrzeni zielonej.
Rycina 3. Przykład 5 km odcinka transektu TWUSS. Na rysunku przedstawiono transekt TWUSS (szara przerywana linia) z czterema lokalizacjami fotopułapek (czarne kółka) umieszczonymi w obszarach zieleni (czarne obrysy) oraz obszarem próbkowania metodą przeciągania kleszczów (czerwone kółka) wokół fotopułapek. Warstwa bazowa przedstawia przeklasyfikowaną warstwę pokrycia drzewami jako gęsto (zielony) lub słabo (biały) zalesioną, aby zobrazować lokalną jakość siedliska. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Mapa rozmieszczenia fotopułapek; promień 500m, leśne ścieżki, badanie siedlisk, analiza krajobrazu, schemat.
Rysunek 4. Przykład organizacji terenowego punktu zbioru kleszczów, przedstawiający parę fotopułapki i transektów do przeciągania tkaniny na kleszcze. Centralny czarny punkt oznacza lokalizację fotopułapki w gęsto zalesionej części terenu zielonego; czerwona przerywana linia wskazuje promień 500 m wokół kamery, w obrębie którego przeprowadzane są przeciągania tkaniny; ciągłe czerwone linie o długości 100 m reprezentują poszczególne typy transektów, oznaczone jako „Krawędź lasu/trawnika” (Forest/lawn edge), „Wnętrze” (Interior) oraz „Ścieżka” (Trail). Jako mapa bazowa wykorzystano zdjęcia satelitarne Google Earth. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

5. Rozmieszczanie fotopułapek

  1. Wykonaj następujące kroki przygotowawcze na kilka tygodni przed rozmieszczeniem fotopułapek:
    1. Przeprowadź inwentaryzację sprzętu i upewnij się, że dysponujesz wystarczającą liczbą fotopułapek, kart pamięci, kłódek i skrzynek zabezpieczających dla każdego rozmieszczenia.
    2. Przygotuj odpowiednią liczbę nowych baterii, aby każda fotopułapka mogła zostać w pełni wyposażona w świeże ogniwa. Większość modeli fotopułapek wymaga 6-8 baterii AA.
    3. Przed każdym kolejnym rozmieszczeniem fotopułapek upewnij się, że wszystkie dane z poprzedniego sezonu zostały pobrane z kart pamięci i zapisane.
    4. Stwórz etykietę z krótkim opisem projektu i odpowiednimi danymi kontaktowymi (np. stały adres e-mail projektu). Wydrukuj etykietę i bezpiecznie przytwierdź ją do góry każdej skrzynki zabezpieczającej fotopułapkę za pomocą przezroczystej taśmy pakowej (patrz Supplementary File 1).
    5. Oznacz każdą fotopułapkę unikalnym numerem Camera ID i oznacz kartę SD tym samym identyfikatorem, idealnie powiązanym z nazwą stanowiska.
    6. Ustaw datę i godzinę w każdej fotopułapce.
    7. Skonfiguruj parametry fotopułapek w następujący sposób: seria zdjęć (3 zdjęcia), opóźnienie kamery (30 s), okres pracy urządzeń (24 h), jakość obrazu/rozmiar zdjęcia (minimum 16 MP).
      UWAGA: Szczegółowe informacje na temat zalecanych ustawień fotopułapek znajdują się w materiale referencyjnym87.
  2. Podczas wizyt w terenie wybierz odpowiednie drzewa do umieszczenia fotopułapek w odległości do 50 m od losowo wygenerowanego punktu dla danego obszaru.
    1. Umieść fotopułapkę na wysokości kolan (~50 cm) w miejscu niewidocznym ze ścieżek i skieruj ją w stronę przeciwną do ruchu ludzi (np. ścieżek, przejść), aby zminimalizować liczbę wykryć ludzi. Nie kieruj aparatów bezpośrednio na wschód lub zachód, aby zapobiec odblaskom słonecznym.
    2. Usuń duże źdźbła trawy, liście lub inne obiekty, które mogłyby zakłócać pracę czujników kamery (zasięg detekcji 80 ft) podczas wietrznej pogody. Pozwala to również zredukować liczbę fałszywych wyzwalaczy.
    3. Sprawdź, czy fotopułapka jest ustawiona równolegle do podłoża.
  3. Rozmieść fotopułapki na okres ≥28 dni w każdej lokalizacji w miesiącach styczeń, kwiecień, lipiec i październik, aby uchwycić sezonowe zmienności w wykorzystaniu siedlisk przez dziką przyrodę oraz stopień ich zasiedlenia58.

6. Zbieranie kleszczy metodą przeciągania

UWAGA: Pobieraj próbki z każdego stanowiska 2-3 razy między końcem maja a końcem lipca, aby uzyskać powtórzenia w okresie szczytowej aktywności nimf kleszcza białonożnego w północno-wschodniej części USA (dostosuj ramy czasowe dla innych regionów i/lub gatunków kleszczy oraz interesujących stadiów rozwojowych), przy całkowitej odległości przeciągania wynoszącej 800 m podczas każdej wizyty w danym miejscu. Odcinek 800 m nie musi być ciągły25,59.

  1. Wykonać następujące czynności na początku sezonu terenowego, przed rozpoczęciem zbiorów kleszczy:
    1. Przygotować wszystkie materiały niezbędne do przeciągania tkaniny (tzw. metoda draggingu).
      1. Nosząc jednorazowe rękawice laboratoryjne (np. lateksowe lub nitrylowe), napełnić 2-3 fiolki o pojemności 1.5 mL na każdy planowany transekt minimalną objętością 500 µL 85% EtOH lub RNA/DNA Shield.
        UWAGA: Do utrwalania kleszczy i patogenów bakteryjnych należy stosować 85% EtOH, natomiast w przypadku zainteresowania utrwaleniem RNA (np. wirusów przenoszonych przez kleszcze) należy użyć RNA/DNA Shield88. Należy zapewnić prawidłowe przechowywanie EtOH zgodnie z instytucjonalnymi wytycznymi bezpieczeństwa laboratoryjnego.
      2. Wydrukować odpowiednią liczbę arkuszy danych dla każdego planowanego transekktu (patrz Supplementary File 2).
      3. Wszystkie materiały do zbioru kleszczy (pincetę, permanentne markery, przygotowane fiolki, przezroczystą taśmę plastikową do zbioru licznych larw, przybór do pisania do robienia notatek) umieścić w nerce do użytku w terenie. Przygotować jedną nerkę dla każdego pracownika zbierającego dane terenowe.
    2. Oszacować długość kroku każdego pracownika terenowego, prosząc go o trzykrotne przejście trasy 10 m i obliczając średnią długość kroku.
    3. W celu zapewnienia bezpieczeństwa osobistego podczas zbioru kleszczy zastosować następujące środki ostrożności:
      1. Przygotować jasną odzież z długimi rękawami do użytku w terenie (np. białe kombinezony), aby zwiększyć widoczność kleszczy na personelu.
      2. Co najmniej 24 h przed rozpoczęciem zbiorów w terenie zaimpregnować odzież i obuwie preparatami owadobójczymi zawierającymi 0.5% permetryny59 i pozostawić do wyschnięcia na powietrzu. W razie potrzeby powtarzać aplikację zgodnie z wytycznymi producenta produktu.
        UWAGA: Unikać stosowania insektycydów na skórze, ponieważ może to grozić przeniesieniem preparatu na tkaninę do przeciągania i zmniejszeniem aktywności kleszczy89.
      3. Przed przybyciem na obszar badań włożyć nogawki spodni w skarpetki59.
      4. W trakcie całego protokołu zbioru kleszczy sprawdzać odzież i skórę pod kątem obecności kleszczy i bezzwłocznie usuwać wszelkie przyczepione osobniki za pomocą pincety59.
  2. W celu przeprowadzenia każdego przeciągania tkaniny wykonać następujące kroki:
    1. Przewidzieć od 30 min do 1 h na każdy transekt o długości 100 m, przy czym dokładny czas zależy od zagęszczenia kleszczy89.
      UWAGA: Unikać pobierania próbek, gdy roślinność jest mokra, ponieważ zawilgotni to tkaninę i utrudni przyczepianie się kleszczy89.
    2. Zanotować w arkuszu danych: 1) porę dnia, 2) warunki pogodowe (temperaturę, wiatr i wilgotność względną) za pomocą miernika pogodowego oraz 3) współrzędne geograficzne (szerokość/długość) na początku transekktu za pomocą telefonu lub innego urządzenia GPS o dokładności minimum 10 m.
    3. Rozłożyć na ziemi białą tkaninę z kordyru lub flaneli o wymiarach 1 m × 1 m, upewniając się, że jest ona całkowicie rozprostowana i że jak największa część jej powierzchni styka się z ściółką leśną lub trawnikiem59.
    4. Powoli przejść 10 m, przeciągając tkaninę za sobą, a następnie zatrzymać się i sprawdzić tkaninę pod kątem obecności kleszczy89.
    5. Uważnie zbadać tkaninę w poszukiwaniu kleszczy. Ustawić tkaninę w odpowiednim oświetleniu, systematycznie skanować ją od lewej do prawej i od góry do dołu, obserwując ewentualny ruch.
      UWAGA: Przeciąganie powinno odbywać się w transektach o długości 100 m, a tkanina powinna być sprawdzana w odstępach co 10 m, aby zapobiec pełzaniu kleszczy lub ich spadaniu z materiału59.
    6. Wszystkie obecne kleszcze zebrać pincetą i umieścić w fiolkach do utrwalania o pojemności 1.5 mL zawierających 85% EtOH lub RNA/DNA Shield. Dla każdego transekktu 100 m użyć oddzielnej fiolki, oznaczonej unikalnym numerem transekktu.
      1. W przypadku obecności licznych larw na tkaninie zebrać je za pomocą przezroczystej taśmy pakowej89.
    7. Zapisywać w arkuszu danych liczbę zebranych kleszczy w każdym 10 m odstępie wzdłuż 100 m transekktu, określając gatunek i stadium rozwojowe, jeśli jest to możliwe.
    8. Zanotować główny typ roślinności (np. głównie ściółka liściowa, niepielęgnowana roślinność zielna lub pielęgnowana trawa) dla każdego 10 m odcinka (patrz Supplementary File 2).
    9. Na końcu każdego 100 m transekktu ponownie sprawdzić obie strony tkaniny pod kątem obecności kleszczy, a następnie zapisać godzinę zakończenia i współrzędne GPS przed przejściem do następnego transekktu.

7. Identyfikacja kleszczy

  1. Używając stereomikroskopu, zidentyfikuj gatunki i stadia rozwojowe wszystkich zebranych kleszczy, korzystając z kluczy taksonomicznych dla kleszczy powszechnie występujących w badaniu90,91,92,93.
  2. Przenieś interesujące gatunki i stadia rozwojowe (np. nimfy I. scapularis) do nowych probówek wypełnionych 85% EtOH lub RNA/DNA Shield i opisz je numerem odpowiadającego im transektu.
  3. Utwórz arkusz kalkulacyjny do wprowadzania danych identyfikacyjnych dla każdej zebranej i przetworzonej probówki z kleszczami.
    1. Powiąż arkusz identyfikacji kleszczy z arkuszem danych terenowych za pomocą identyfikatora transektu.

8. Tagowanie i analiza zdjęć z fotopułapek

  1. Prześlij zdjęcia z każdej fotopułapki oraz z każdego sezonowego wdrożenia do lokalnej lub internetowej bazy danych w celu oznakowania zdjęć (np. Wildlife Insights lub Zooniverse). Skorzystanie z platformy, która automatycznie usuwa zdjęcia ludzi, może pomóc uniknąć problemów z prywatnością.
  2. Upewnij się, że metadane przesłanych zdjęć zawierają informacje o lokalizacji i okresie zbierania danych.
  3. Oznakuj wszystkie zdjęcia, identyfikując gatunki zwierząt przy użyciu internetowej bazy danych stworzonej dla badań z wykorzystaniem fotopułapek (np. Wildlife Insights) lub innego oprogramowania, które zachowuje metadane zdjęć.

9. Konserwacja transektów i raportowanie wyników

  1. Ustalenie długoterminowych celów zarządzania transektami, wyznaczenie uczestników oraz kierownictwa.
  2. Utworzenie i prowadzenie bazy danych (np. folderu na dysku współdzielonym) z dokumentami zawierającymi istotne informacje o stanowiskach, w tym współrzędne rozmieszczenia fotopułapek, współrzędne przeciągania tkaniny na kleszcze, informacje o dostępie do terenu, kontakty do zarządców gruntów oraz informacje o dostępie do przetworzonych danych.
  3. Prowadzenie głównego arkusza kalkulacyjnego łączącego informacje o stanowiskach (tzn. wskaźniki urbanizacji), liczbę zebranych kleszczy w rozbiciu na gatunki i stadia rozwojowe oraz listę unikalnych gatunków dzikich zwierząt zarejestrowanych na każdym stanowisku w każdym sezonie i roku projektu.
    1. Tworzenie raportów końcoworocznych dostosowanych do każdego zarządcy gruntów i/lub lokalnego uczestnika, zawierających podsumowania danych z fotopułapek i danych o kleszczach, aby utrzymać zaangażowanie uczestników w projekt.

Wyniki

Linia transekcyjną została wyznaczona tak, aby objąć gradient urbanizacji obejmujący trzy hrabstwa, od miasta Nowy Jork przez Long Island w stanie NY (Rycina 2).

Mapy analizy miejskiej; schematy powierzchni nieprzepuszczalnych, gęstości zabudowy mieszkaniowej, koron drzew, dane z transektu.
Rysunek 2. Mapy transektu wzdłuż gradientu urbanizacji. (A) Intensywność urbanizacji reprezentowana przez procent powierzchni nieprzepuszczalnych według NLCD. (B) Gęstość zabudowy mieszkaniowej na podstawie jednostek bloków spisowych. (C) Procentowe pokrycie koron drzew wyznaczone na podstawie danych NLCD. (D) Obrazy satelitarne przedstawiające transekt wykorzystany do odłowu kleszczy i rozmieszczenia fotopułapek dla dzikich zwierząt. Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Wszystkie punkty rozmieszczenia fotopułapek oraz punkty pobierania kleszczy dla transektu w NYC (odpowiednio n = 44 i n = 38) zostały zlokalizowane w parkach publicznych (n = 21, n = 23), na polach golfowych (n = 6, n = 0), na cmentarzach (n = 5, n = 3), w rezerwatach przyrody (n = 9, n = 9) oraz w ogrodach publicznych (n = 3, n = 3) (Tabela 1).

Typ terenów zielonychLiczba lokalizacji fotopułapekLiczba lokalizacji zbioru kleszczy
Park publiczny2123
Rezerwat przyrody99
Ogród publiczny33
Cmentarz53
Pole golfowe60
Suma lokalizacji4438

Tabela 1: Podsumowanie liczby punktów rozmieszczenia fotopułapek oraz punktów zbioru kleszczy w zależności od typu terenu zielonego.

Obliczenia procentowego pokrycia koron drzew, procentowej powierzchni nieprzesiąkliwej oraz gęstości zabudowy w promieniu 2 km od każdego miejsca rozmieszczenia fotopułapki wykazały, że rozmieszczenie kamer w obrębie każdego segmentu transektu skutecznie uchwyciło średnią i rozrzut (cztery lokalizacje) wskaźników miejskich wzdłuż gradientu urbanizacji od Nowego Jorku przez Long Island w stanie Nowy Jork (Rysunek 5). Ponieważ w każdym segmencie transektu wybrano dwie lokalizacje silnie zalesione i dwie słabo zalesione, zmienność procentowego pokrycia koron drzew w odległości 100 m od każdej fotopułapki wykazała, że lokalna jakość siedlisk wokół każdej kamery nie różniła się znacząco (niski R2) wzdłuż gradientu urbanizacji (Rysunek 5D).

Analiza użytkowania terenu przedstawiająca wykresy segmentów transektu; powierzchnia nieprzepuszczalna, gęstość zabudowy mieszkaniowej, korony drzew.
Rysunek 5. Charakterystyka środowiskowa wokół fotopułapek na całym trasekcie. W każdym 5 km segmencie transektu (1-10) od zachodu na wschód umieszczono cztery fotopułapki, a (A) procentowa powierzchnia nieprzepuszczalna, (B) gęstość zabudowy mieszkaniowej oraz (C) pokrycie koronami drzew są przedstawione w promieniu 2 km od każdej fotopułapki. (D) Pokrycie koronami drzew w promieniu 100 m od miejsca rozmieszczenia fotopułapki reprezentuje różnorodność jakości mikrosiedliska w wybranych terenach zielonych. Kliknij tutaj, aby wyświetlić większą wersję tego rysunku.

Od momentu uruchomienia systemu TWUSS wiosną 2022 roku do lata 2023 roku, gromadzenie danych terenowych zaowocowało 4 928 dniami fotopułapkingsiwych zwierząt oraz zebraniem 3 421 nimf kleszczy *Ixodes scapularis*, 575 nimf kleszczy *Amblyomma americanum* oraz 329 nimf kleszczy *Haemaphysalis longicornis* ze wszystkich lokalizacji (Tabela 2).

Gatunki kleszczy w stadium nimfyCałkowita liczba zebranych próbek
Amblyomma americanum (Kleszcz samotna gwiazda)575
Haemaphysalis longicornis (Długorogi)329
Ixodes scapularis (czarnonogiego)3421
Wszystkie kleszcze w stadium nimfy4325

Tabela 2: Podsumowanie zbiorów nimf kleszczy z podziałem na gatunki we wszystkich 38 lokalizacjach i w dwóch latach pobierania próbek (2022-2023).

Na podstawie zdjęć z fotopułapek zidentyfikowano 34 unikalne gatunki we wszystkich urządzeniach (pełną listę gatunków przedstawiono w Pliku uzupełniającym 3), w tym 16 gatunków ssaków i 16 gatunków ptaków (Rycina 6). Fotopułapki zostały skonfigurowane tak, aby monitorować aktywność średnich ssaków, i zaobserwowano siedem następujących gatunków średnich ssaków: kojota (Canis latrans var.), lisa rudego (Vulpes vulpes), szopa pracza (Procyon lotor), oposa wirgińskiego (Didelphis virginiana), skunksa pręgowanego (Mephitis mephitis), jelenia ogonacza (Odocoileus virginianus) oraz świstaka (Marmota monax).

Schemat kategoryzacji zwierząt; obejmuje średnie ssaki, ptaki, małe ssaki, zwierzęta domowe.
Rysunek 6. Zbiór reprezentatywnych obrazów zarejestrowanych wzdłuż transektu, obejmujący średnie ssaki, małe ssaki, ptaki, zwierzęta domowe oraz ludzi. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Dzięki wdrożeniu protokołu TWUSS ustanowiono pierwszy sprzężony transekt monitorujący zagrożenie kleszczami w obszarach miejskich oraz monitoring dzikiej przyrody wzdłuż gradientu urbanizacji. Wcześniej opublikowane badanie oparte na tym systemie nadzoru powiązało wskaźniki urbanizacji wzdłuż gradientu, dane dotyczące kluczowego gospodarza kleszczy (jelenia ogoniaczego) uzyskane z fotopułapek oraz dane z odłowu kleszczy w celu zidentyfikowania kaskadowego wpływu urbanizacji na zasiedlenie gospodarzy z dzikiej przyrody oraz intensywność zagrożenia kleszczami25. Badanie to wykazało, że zwiększona łączność terenów zielonych, zwiększony udział koron drzew oraz zmniejszenie powierzchni nieprzepuszczalnych hierarchicznie zwiększały prawdopodobieństwo występowania jelenia ogoniaczego, co stanowiło istotny czynnik predykcyjny dla liczebności nimf kleszczy I. scapularis w obrębie każdego terenu zielonego (Ryc. 7, Tabela 3)25.

Wykresy łączności funkcjonalnej i zajmowania terenu przez jelenie; próg, korelacja liczby kleszczy w badaniu ekologicznym.
Rysunek 7. Reprezentatywne wyniki wykresów modelowych z projektu parowania fotopułapek dla dzikiej przyrody i transektów zbioru kleszczy. (A) Łączność funkcjonalna jako najsilniejszy predyktor prawdopodobieństwa zajmowania terenu przez jelenia ogoniaczego. (B) Liczba nimf kleszcza pospolitego jako istotna funkcja zajmowania terenu przez jelenia ogoniaczego. Dla wykresu A model zajmowania terenu wygenerowano na podstawie zdjęć jelenia ogoniaczego z fotopułapek ustawionych w latach 2022-2023. Dla wykresu B punkty wskazują liczbę kleszczy zebranych w terenie w latach 2022-2023 na 1600 m2 próby, a linia regresji i błąd standardowy reprezentują predykcję modelu dwumianowego ujemnego. Oś y jest ograniczona do <300 kleszczy w celu lepszej wizualizacji. Rysunek zaadaptowany i zreprodukowany za zgodą Lilly et al. 202525 Aby zobaczyć powiększoną wersję tego rysunku, kliknij tutaj.

Typ modeluZmienna odpowiedziKomponent modeluEstymacjaSEzP( >|z|)
Model zajętości jednosezonowyZajętość przez jelenie(Przechwyt)3.041.791.70.09
Łączność funkcjonalna11.094.082.72< 0.01
Model zajętości jednosezonowyZajętość przez jelenie(Przechwyt)−1.531.04−1.480.14
Procentowe pokrycie koron drzew6.152.272.7< 0.01
Model zajętości jednosezonowyZajętość przez jelenie(Przechwyt)−1.260.91−1.390.16
Procent powierzchni nieprzepuszczalnych−5.852.24−2.62< 0.01
Uogólniony liniowy model mieszany z rozkładem dwumianowym ujemnym. Jako efekty losowe uwzględniono lokalizację i rok.Obfitość nimf kleszcza pospolitego(Przechwyt)−9.040.81−11.17< 0.001
Procentowe pokrycie koron drzew w obrębie terenów zielonych4.430.577.79< 0.001
Zajętość przez jelenie0.030.012.330.02

Tabela 3: Reprezentatywne wyniki z modelu dla projektu parowania transektów z fotopułapkami i punktów zbioru kleszczy. Wyniki modelu zajętości wykazujące najważniejsze predyktory obecności jeleni; wyniki uogólnionego liniowego modelu mieszanego z rozkładem dwumianowym ujemnym, przedstawiające liczebność nimf kleszcza *Ixodes scapularis* jako funkcję zajętości przez jelenie oraz procentowego pokrycia koron drzew w obrębie terenów zielonych. Tabela zaadaptowana i powielona za zgodą autorów z publikacji Lilly et al. 202525

Plik uzupełniający 1. Przykład etykiety skrzynki zabezpieczającej fotopułapkę. Kliknij tutaj, aby pobrać ten plik.

Plik uzupełniający 2. Przykładowy arkusz danych dotyczących zbioru kleszczy. Prosimy kliknąć tutaj, aby pobrać ten plik.

Plik uzupełniający 3. Lista 34 unikalnych gatunków uchwyconych przez kamery pułapki w ramach NYC Wildlife Transect i zidentyfikowanych wizualnie przez badaczy. Kliknij tutaj, aby pobrać ten plik.

Dyskusja

Dzięki inicjatywie TWUSS, ten protokół pokazuje, jak zaprojektować sparowany transekt do monitorowania kleszczy i dzikiej przyrody, który uchwyci gradient urbanizacji. Wyniki reprezentatywne z tego systemu pozwoliły na zidentyfikowanie czynników wpływających na zagrożenie kleszczami w skali krajobrazu i gospodarzy dzikiej przyrody w obszarach miejskich25. Kluczowe dane dotyczące gospodarzy kleszczy z pojedynczego systemu kamer do badania dzikiej przyrody zostały również wykorzystane do zidentyfikowania obszarów w Nowym Jorku, które mogą być w nowo podwyższonym ryzyku25. Podkreśla to znaczenie ciągłego monitorowania kleszczy i dzikiej przyrody w miastach w miarę globalnego wzrostu urbanizacji, podkreślając potrzebę standardowego projektu i metodologii nadzoru70. Replikowanie TWUSS w miastach, gdzie pojawiają się zagrożenia związane z chorobami przenoszonymi przez kleszcze, pozwoliłoby na porównanie na dużą skalę między miastami wskaźników krajobrazu miejskiego wpływających na rozprzestrzenianie się kleszczy i gospodarzy dzikiej przyrody25,70.

Transekt TWUSS obejmuje różne rodzaje zieleni, praktyki zarządzania i jurysdykcje zarządzania terenami, z 20 różnymi grupami zarządzania terenami wymagającymi umieszczenia kamer do badania dzikiej przyrody i pozyskiwania kleszczy. Dlatego TWUSS opiera się na uczestnictwie różnorodnych współpracowników, a dowody sugerują, że zaangażowanie lokalnych uczestników może poprawić długoterminowy sukces systemów nadzoru nad kleszczami94,95 oraz wysiłki na rzecz ochrony dzikiej przyrody i bioróżnorodności, w tym w kontekście miejskim96,97,98,99. Współpraca z miejskimi parkami i departamentami zdrowia przyczyniła się do zwiększenia liczby tablic informacyjnych w zielonych obszarach, gdzie pobiera się kleszcze o długich nogach, oraz ukierunkowanego nadzoru wektorów przez miejski departament zdrowia tam, gdzie nowo zidentyfikowano zagrożenia związane z kleszczami.

Z dużą ilością zebranych danych wiąże się duże zadanie przetwarzania danych, identyfikacji kleszczy i identyfikacji gatunków dzikiej przyrody na zdjęciach. Utrzymanie zorganizowanej współdzielonej bazy danych projektu (krok 9.2) zawierającej wszystkie informacje i dane z projektu było kluczowym elementem sukcesu TWUSS, ponieważ obowiązki zarządzania projektem zmieniały się w trakcie jego realizacji. Dodatkowo, klasyfikacja kleszczy i dane fotograficzne mogą być skutecznym sposobem na zaangażowanie młodych naukowców i wolontariuszy w projekt oraz zwiększenie zainteresowania zarówno gatunkami dzikiej przyrody, jak i zagrożeniami związanymi z kleszczami zamieszkującymi ich lokalne tereny zielone. Dzięki TWUSS, możliwości edukacyjne dla studentów zostały zintegrowane z projektem poprzez uczestnictwo w przetwarzaniu danych z transektu. W ciągu dwóch lat od uruchomienia TWUSS, ponad 30 młodych naukowców (studentów na poziomie licencjatu i magisterskim) wniosło wkład do klasyfikacji obrazów i identyfikacji kleszczy, a dla wielu z nich była to pierwsza doświadczenia z badaniami. Oprócz tworzenia możliwości dla studentów uniwersytetów, przeprowadzono kilka inicjatyw dotyczących zaangażowania społeczności z Akademią Nauki w Nowym Jorku i Harcerkami. Dzięki tym działaniom, aktywni naukowcy zaangażowani w transekt są sparowani z organizacjami społecznymi, aby ułatwić praktyczne nauka i entuzjazm wobec lokalnych kleszczy i miejskiej dzikiej przyrody. Dzięki tym projektom, młodzi wolontariusze nauczyli się, jak umieszczać kamery do badania dzikiej przyrody, zbierać dane i podsumowywać obserwacje.

W przyszłości istnieje potencjał dla dodatkowych transektów w Nowym Jorku. Ponieważ TWUSS nadal się rozwija, ogromna ilość danych obrazów zebranych przez każdą kamerę do badania dzikiej przyrody może ograniczać postęp badań ze względu na powolny proces klasyfikacji obrazów100. Ostatnie osiągnięcia technologiczne, w tym włączenie algorytmów uczenia maszynowego do przetwarzania danych z kamer do badania dzikiej przyrody, mogą pomóc zmniejszyć ten opóźnienie101. TWUSS wykorzystuje platformę internetową (krok 8.1), która wykorzystuje modele uczenia maszynowego do początkowej klasyfikacji obrazów i zwiększyła efektywność zarządzania, analizy i udostępniania danych z kamer do badania dzikiej przyrody z TWUSS.

Oprócz tych pozytywnych wyników, TWUSS zmierzył się z wyzwaniami związanymi z pracą terenową w mieście, takimi jak wandalizm lub kradzież kamer do badania dzikiej przyrody. W pierwszych dwóch latach zbierania danych (kwiecień 2022–styczeń 2024), cztery kamery zostały skradzione, a trzy uszkodzone (czyli całkowicie lub częściowo rozbite), co prowadzi do wskaźnika wymiany kamer do badania dzikiej przyrody na poziomie 2% na jedno wdrożenie, co jest zgodne z innymi badaniami nad miejską d

Oświadczenia

Autorzy nie mają żadnych konfliktów interesów do zadeklarowania.

Podziękowania

To dzieło zostało wsparte przez Narodowe Fundacje Naukowe w ramach Grantu na Badania Doktoranckie (grant #10328000) oraz przez program Narodowej Fundacji Naukowej Zintegrowane Systemy Przyrodniczo-Ludzkie 2/Dynamika Zintegrowanych Systemów Społeczno-Środowiskowych (CNH2/DISES) (Nagroda #1924061). Finansowanie zapewniły również Centra ds. Kontroli i Zapobiegania Chorobom w ramach wsparcia dla Northeast Regional Center for Excellence in Vector-Borne Diseases: Teaching & Evaluation Center (NEVBD-TEC) (Nagroda #NU50CK000633). Jego treść leży wyłącznie w gestii autorów i niekoniecznie reprezentuje oficjalne poglądy Centrów ds. Kontroli i Zapobiegania Chorobom, Departamentu Zdrowia i Opieki Społecznej lub Narodowej Fundacji Naukowej.

Chcielibyśmy również wyrazić wdzięczność za wsparcie Urban Wildlife Information Network, z szczególnym podziękowaniem dla Dr. Setha Magle, Dr. Masona Fidino oraz Kimberly Rivera za pomoc w ustawianiu naszej ścieżki pułapek kamerowych na dzikie zwierzęta. Dziękujemy członkom laboratorium ekologii oraz studentom Columbia i Barnard College, którzy pomagają w doradzaniu, ustawianiu, prowadzeniu badań terenowych, identyfikacji kleszczy i/lub oznaczaniu zdjęć, w tym Dr. Meredith VanAcker, Dr. Nichar Gregory, Sung-Joo Lee, Alexis Angulo, Hanna Chen, Molly Durawa, Rebecca Garcia, Aidyn Levin, Jake Miller, Safa Muhammad, Devorah Gordin i Adara Anisman. Dodatkowo dziękujemy Miejskiemu Parkowi i Rekreacji Nowego Jorku, Hrabstwu Nassau, Miejscowości North Hempstead, North Shore Land Alliance, New York State DEC, New York State Parks, cmentarzowi Green-Wood, cmentarzowi Evergreens, cmentarzowi Maple Grove, Old Westbury Gardens, SUNY Old Westbury oraz zarządcom golfowym przyjaznym środowisku za dostęp do prowadzenia badań w ich zielonych przestrzeniach. Badania te prowadzono na ziemiach indiańskich Lenape, Matinecock, Merrick, Nissaquogue i Massapequas.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
1x1 m white corduroy or flannel drag clothEcoloogy Supplies0015TMożna kupić gotowy lub zbudować zgodnie z wskazówkami zawartymi przez CDC 2020 lub Salomon et al. 2020.
32+ GB SD memory cardSanDiskSDSDXXO-032G-GN4INDo przechowywania zdjęć
Batteries (most cameras require AA)DuracellMN1500B20 Do zasilania aparatów
Camera adjustable locking cableMoultrie (Python brand)MCA-21667Do zabezpieczania aparatów
Camera security boxBrowningBTC-SB-SMDo zabezpieczania aparatów
Camera trap mounting strapMoultrieMCA-12667Do umieszczania aparatów
Clear plastic packing tapeNANADo etykietowania skrzynek na aparaty do obserwacji dzikiej przyrody i do zbierania dużej ilości larw. Każda marka działa.
Dissecting microscopeAmScopeSM-1BSX-64SDo identyfikacji kleszczy
DNA/RNA SheildZymo researchR1100-250Do przechowywania kleszczy
Eppendorf Safe-Lock Tubes 1.5 mL - MicrotubeFisher scientific05-402-941,5 ml fiolki do przechowywania kleszczy
Ethanol 200 proofThermo scientificT038181000Do przechowywania kleszczy
Fanny packNANADo przechowywania/organizowania materiałów do zbierania kleszczy w terenie. Każda marka działa.
Fine tipped permanent markersStaedtler55580-PK10Do etykietowania rurek na kleszcze
ForcepsFisher scientific12-000-121Do zbierania kleszczy z ubrania i identyfikacji pod mikroskopem 
GIS SoftwareNANAMożna użyć ArcGIS, QGIS lub R w zależności od preferencji użytkownika
Kestrel 3000 Weather MeterKestrel Meters830Do pomiaru warunków klimatycznych / pogodowych
Motion-triggered camera trap (Browning strike force pro recommended)BrowningBTC-5PX-1080Do fotografowania dzikich zwierząt 
Writing utensil (pen or pencil)NANADo wypełniania arkuszy danych. Każda marka działa.

Bibliografia

  1. Seto, K. C., Güneralp, B., Hutyra, L. R. Global forecasts of urban expansion to 2030 and direct impacts on biodiversity and carbon pools. Proc Natl Acad Sci. 109 (40), 16083-16088 (2012).
  2. Rastandeh, A., Jarchow, M. Urbanization and biodiversity loss in the post-COVID-19 era: complex challenges and possible solutions. Cities Health. 5 (sup1), S37-S40 (2021).
  3. Venter, O., Sanderson, E. W., Magrach, A., Allan, J. R., Beher, J., et al. Sixteen years of change in the global terrestrial human footprint and implications for biodiversity conservation. Nat Commun. 7 (1), 12558 (2016).
  4. Egerer, M., Buchholz, S. Reframing urban "wildlife" to promote inclusive conservation science and practice. Biodivers Conserv. 30 (7), 2255-2266 (2021).
  5. Lerman, S. B., Narango, D. L., Andrade, R., Warren, P. S., Grade, A. M., et al. Wildlife in the city: human drivers and human consequences. Urban Ecol Its Nat Chall. , 37-66 (2020).
  6. Gallo, T., Fidino, M., Lehrer, E. W., Magle, S. B. Mammal diversity and metacommunity dynamics in urban green spaces: implications for urban wildlife conservation. Ecol Appl. 27 (8), 2330-2341 (2017).
  7. Ives, C. D., Lentini, P. E., Threlfall, C. G., Ikin, K., Shanahan, D. F., et al. Cities are hotspots for threatened species. Glob Ecol Biogeogr. 25 (1), 117-126 (2016).
  8. Soulsbury, C. D., White, P. C. L. Human-wildlife interactions in urban areas: a review of conflicts, benefits and opportunities. Wildl Res. 42 (7), 541-553 (2015).
  9. Ellwanger, J. H., Byrne, L. B., Chies, J. A. B. Examining the paradox of urban disease ecology by linking the perspectives of Urban One Health and Ecology with Cities. Urban Ecosyst. 25 (6), 1735-1744 (2022).
  10. Magle, S. B., Hunt, V. M., Vernon, M., Crooks, K. R. Urban wildlife research: Past, present, and future. Biol Conserv. 155, 23-32 (2012).
  11. Combs, M. A., Kache, P. A., VanAcker, M. C., Gregory, N., Plimpton, L. D., et al. Socio-ecological drivers of multiple zoonotic hazards in highly urbanized cities. Glob Change Biol. 28 (5), 1705-1724 (2022).
  12. König, H. J., Kiffner, C., Kramer-Schadt, S., Fürst, C., Keuling, O., et al. Human-wildlife coexistence in a changing world. Conserv Biol. 34 (4), 786-794 (2020).
  13. . 2020 Population Distribution in the United States and Puerto Rico Available from: https://www.census.gov/library/visualizations/2021/geo/population-distribution-2020.html (2021)
  14. Kugeler, K. J., Schwartz, A. M., Delorey, M. J., Mead, P. S., Hinckley, A. F. Estimating the Frequency of Lyme Disease Diagnoses, United States, 2010-2018. Emerg Infect Dis. 27 (2), 616-619 (2021).
  15. Diuk-Wasser, M. A., VanAcker, M. C., Fernandez, M. P., Reisen, W. Impact of Land Use Changes and Habitat Fragmentation on the Eco-epidemiology of Tick-Borne Diseases. J Med Entomol. 58 (4), 1546-1564 (2021).
  16. Piedmonte, N. P., Shaw, S. B., Prusinski, M. A., Fierke, M. K. Landscape Features Associated With Blacklegged Tick (Acari: Ixodidae) Density and Tick-Borne Pathogen Prevalence at Multiple Spatial Scales in Central New York State. J Med Entomol. 55 (6), 1496-1508 (2018).
  17. Tufts, D. M., Goodman, L. B., Benedict, M. C., Davis, A. D., VanAcker, M. C., et al. Association of the invasive Haemaphysalis longicornis tick with vertebrate hosts, other native tick vectors, and tick-borne pathogens in New York City, USA. Int J Parasitol. 51 (2), 149-157 (2021).
  18. Rochlin, I., Benach, J. L., Furie, M. B., Thanassi, D. G., Kim, H. K. Rapid invasion and expansion of the Asian longhorned tick (Haemaphysalis longicornis) into a new area on Long Island, New York, USA. Ticks Tick-Borne Dis. 14 (2), 102088 (2023).
  19. Young, I., Prematunge, C., Pussegoda, K., Corrin, T., Waddell, L. Tick exposures and alpha-gal syndrome: A systematic review of the evidence. Ticks Tick-Borne Dis. 12 (3), 101674 (2021).
  20. Childs, J. E., Paddock, C. D. THE ASCENDANCY OFAMBLYOMMA AMERICANUMAS A VECTOR OF PATHOGENS AFFECTING HUMANS IN THE UNITED STATES*. Annu Rev Entomol. 48, 307-337 (2003).
  21. Raghavan, R. K., Peterson, A. T., Cobos, M. E., Ganta, R., Foley, D. Current and Future Distribution of the Lone Star Tick, Amblyomma americanum (L.) (Acari: Ixodidae) in North America. PLOS ONE. 14 (1), e0209082 (2019).
  22. Diuk-Wasser, M. A., Fernandez, P., Vanwambeke, S. O. Tick-Borne Diseases in Urban and Periurban Areas: A Blind Spot in Research and Public Health. Annu Rev Entomol. , (2025).
  23. Kilpatrick, A. M., Dobson, A. D. M., Levi, T., Salkeld, D. J., Swei, A., et al. Lyme disease ecology in a changing world: consensus, uncertainty and critical gaps for improving control. Philos Trans R Soc Lond B Biol Sci. 372 (1722), 20160117 (2017).
  24. Yuan, Q., Llanos-Soto, S. G., Gangloff-Kaufmann, J. L., Lampman, J. M., Frye, M. J., et al. Active surveillance of pathogens from ticks collected in New York State suburban parks and schoolyards. Zoonoses Public Health. 67 (6), 684-696 (2020).
  25. Lilly, M. V., Davis, M., Kross, S. M., Konowal, C. R., Gullery, R., et al. Functional connectivity for white-tailed deer drives the distribution of tick-borne pathogens in a highly urbanized setting. Landsc Ecol. 40 (5), 87 (2025).
  26. Tan, Q., Zhang, C., Xia, J., Wang, R., Zhou, L., et al. Information-guided adaptive learning approach for active surveillance of infectious diseases. Infect Dis Model. 10 (1), 257-267 (2024).
  27. . A Stronger, More Resilient New York Available from: https://www.nyc.gov/site/sirr/report/report.page (2013)
  28. Seewagen, C. L., Slayton, E. J. Mass Changes Of Migratory Landbirds During Stopovers In A New York City Park. Wilson J Ornithol. 120 (2), 296-303 (2008).
  29. Stark, J. R., Aiello-Lammens, M., Grigione, M. M. The effects of urbanization on carnivores in the New York metropolitan area. Urban Ecosyst. 23 (2), 215-225 (2020).
  30. Seewagen, C. L., Slayton, E. J., Guglielmo, C. G. Passerine migrant stopover duration and spatial behaviour at an urban stopover site. Acta Oecologica. 36 (5), 484-492 (2010).
  31. Rivel, D., Rosenheim, K. . Birdwatching in New York City and on Long Island. , 338 (2016).
  32. Nagy, C., Weckel, M., Monzón, J., Duncan, N., Rosenthal, M. R. Initial colonization of Long Island, New York by the eastern coyote, Canis latrans (Carnivora, Canidae), including first record of breeding. Check List. 13 (6), 901-907 (2017).
  33. Bradfield, A. A., Nagy, C. M., Weckel, M., Lahti, D. C., Habig, B. Predictors of Mammalian Diversity in the New York Metropolitan Area. Front Ecol Evol. 10, (2022).
  34. VanAcker, M. C., DeNicola, V. L., DeNicola, A. J., Aucoin, S. G., Simon, R., et al. Resource selection by New York City deer reveals the effective interface between wildlife, zoonotic hazards and humans. Ecol Lett. 26 (12), 2029-2042 (2023).
  35. Elmqvist, T., Fragkias, M., Goodness, J., Güneralp, B., Marcotullio, P. J., et al. . Urbanization, Biodiversity and Ecosystem Services: Challenges and Opportunities. , (2013).
  36. Aronson, M. F., Lepczyk, C. A., Evans, K. L., Goddard, M. A., Lerman, S. B., et al. Biodiversity in the city: key challenges for urban green space management. Front Ecol Environ. 15 (4), 189-196 (2017).
  37. Harrison, P. A., Berry, P. M., Simpson, G., Haslett, J. R., Blicharska, M., et al. Linkages between biodiversity attributes and ecosystem services: A systematic review. Ecosyst Serv. 9, 191-203 (2014).
  38. Vuorisalo, T., Lahtinen, R., Laaksonen, H. Urban biodiversity in local newspapers: a historical perspective. Biodivers Conserv. 10 (10), 1739-1756 (2001).
  39. Sokolow, S. H., Nova, N., Pepin, K. M., Peel, A. J., Pulliam, J. R. C., et al. Ecological interventions to prevent and manage zoonotic pathogen spillover. Philos Trans R Soc B Biol Sci. 374 (1782), 20180342 (2019).
  40. Lesmeister, D. B., Nielsen, C. K., Schauber, E. M., Hellgren, E. C. Spatial and temporal structure of a mesocarnivore guild in midwestern north America. Wildl Monogr. 191 (1), 1-61 (2015).
  41. Santini, L., González-Suárez, M., Russo, D., Gonzalez-Voyer, A., von Hardenberg, A., et al. One strategy does not fit all: determinants of urban adaptation in mammals. Ecol Lett. 22 (2), 365-376 (2019).
  42. Pither, R., O'Brien, P., Brennan, A., Hirsh-Pearson, K., Bowman, J. Predicting areas important for ecological connectivity throughout Canada. PLOS ONE. 18 (2), e0281980 (2023).
  43. VanAcker, M. C., Little, E. A. H., Molaei, G., Bajwa, W. I., Diuk-Wasser, M. A. Enhancement of Risk for Lyme Disease by Landscape Connectivity, New York, New York, USA. Emerg Infect Dis. 25 (6), 1136-1143 (2019).
  44. The City of New York Department of Health and Mental Hygiene. . 2025 Comprehensive Mosquito Surveillance and Control Plan. , (2025).
  45. Bajwa, W., Kennedy, A., Vincent, Z., Heck, G., Riaj, S., et al. Five human pathogens detected by tick surveillance in New York City parks, 2014-2015. J Med Entomol. , tjae014 (2024).
  46. Bajwa, W., Kennedy, A., Vincent, Z., Heck, G., Riaj, S., et al. Earliest records of the Asian longhorned tick (Acari: Ixodidae) in Staten Island, New York, and subsequent population establishment, with a review of its potential medical and veterinary importance in the United States. J Med Entomol. , tjae019 (2024).
  47. . Tick Surveillance Program Available from: https://www.suffolkcountyny.gov/Departments/Health-Services/Public-Health/Preventive-Services/Arthropod-borne-Diseases/Tick-Surveillance-Program (2025)
  48. . Tick Information Available from: https://www.nassauswcd.org/Tick-Information (2025)
  49. Bastard, J., Gregory, N., Fernandez, P., Mincone, M., Card, O., et al. Cascading effects of mammal host community composition on tick vector occurrence at the urban human-wildlife interface. Ecosphere. 15 (8), e4957 (2024).
  50. Munshi-South, J., Nagy, C. Urban park characteristics, genetic variation, and historical demography of white-footed mouse (Peromyscus leucopus) populations in New York City. PeerJ. 2, e310 (2014).
  51. Henger, C. S., Herrera, G. A., Nagy, C. M., Weckel, M. E., Gormezano, L. J., et al. Genetic diversity and relatedness of a recently established population of eastern coyotes (Canis latrans) in New York City. Urban Ecosyst. 23 (2), 319-330 (2020).
  52. McKinney, M. L. Urbanization, Biodiversity, and Conservation: The impacts of urbanization on native species are poorly studied, but educating a highly urbanized human population about these impacts can greatly improve species conservation in all ecosystems. BioScience. 52 (10), 883-890 (2002).
  53. Bradley, C. A., Altizer, S. Urbanization and the ecology of wildlife diseases. Trends Ecol Evol. 22 (2), 95-102 (2007).
  54. Gallo, T., Fidino, M., Gerber, B., Ahlers, A. A., Angstmann, J. L., et al. Mammals adjust diel activity across gradients of urbanization. eLife. 11, e74756 (2022).
  55. Burton, A. C., Neilson, E., Moreira, D., Ladle, A., Steenweg, R., et al. REVIEW: Wildlife camera trapping: a review and recommendations for linking surveys to ecological processes. J Appl Ecol. 52 (3), 675-685 (2015).
  56. Vélez, J., McShea, W., Shamon, H., Castiblanco-Camacho, P. J., Tabak, M. A., et al. An evaluation of platforms for processing camera-trap data using artificial intelligence. Methods Ecol Evol. 14 (2), 459-477 (2023).
  57. Schneider, S., Taylor, G. W., Linquist, S., Kremer, S. C. Past, present and future approaches using computer vision for animal re-identification from camera trap data. Methods Ecol Evol. 10 (4), 461-470 (2019).
  58. Magle, S. B., Fidino, M., Lehrer, E. W., Gallo, T., Mulligan, M. P., et al. Advancing urban wildlife research through a multi-city collaboration. Front Ecol Environ. 17 (4), 232-239 (2019).
  59. Diuk-Wasser, M. A., Hoen, A. G., Cislo, P., Brinkerhoff, R., Hamer, S. A., et al. Human Risk of Infection with Borrelia burgdorferi, the Lyme Disease Agent, in Eastern United States. Am J Trop Med Hyg. 86 (2), 320-327 (2012).
  60. Bekken, M. A. H., Soldat, D. J., Koch, P. L., Schimenti, C. S., Rossi, F. S., et al. Analyzing golf course pesticide risk across the US and Europe-The importance of regulatory environment. Sci Total Environ. 874, 162498 (2023).
  61. Clow, K. M., Leighton, P. A., Pearl, D. L., Jardine, C. M. A framework for adaptive surveillance of emerging tick-borne zoonoses. One Health. 7, 100083 (2019).
  62. Eisen, R. J., Paddock, C. D. Tick and Tickborne Pathogen Surveillance as a Public Health Tool in the United States. J Med Entomol. 58 (4), 1490-1502 (2020).
  63. Petersen, L. R., Beard, C. B., Visser, S. N. Combatting the Increasing Threat of Vector-Borne Disease in the United States with a National Vector-Borne Disease Prevention and Control System. Am J Trop Med Hyg. 100 (2), 242-245 (2019).
  64. Mader, E. M., Ganser, C., Geiger, A., Harrington, L. C., Foley, J., et al. A Survey of Tick Surveillance and Control Practices in the United States. J Med Entomol. 58 (4), 1503-1512 (2021).
  65. Kopsco, H. L., Xu, G., Luo, C. Y., Rich, S. M., Mather, T. N. Crowdsourced Photographs as an Effective Method for Large-Scale Passive Tick Surveillance. J Med Entomol. 57 (6), 1955-1963 (2020).
  66. Švec, P., Hönig, V., Zubriková, D., Wittmann, M., Pfister, K., et al. The use of multi-criteria evaluation for the selection of study plots for monitoring of I. ricinus. ticks - Example from Central Europe. Ticks Tick-Borne Dis. 10 (4), 905-910 (2019).
  67. Wisely, S. M., Glass, G. E. Advancing the Science of Tick and Tick-Borne Disease Surveillance in the United States. Insects. 10 (10), 361 (2019).
  68. Thompson, A. T., White, S. A., Doub, E. E., Sharma, P., Frierson, K., et al. The wild life of ticks: Using passive surveillance to determine the distribution and wildlife host range of ticks and the exotic Haemaphysalis longicornis, 2010-2021. Parasit Vectors. 15 (1), 331 (2022).
  69. Murray, M. H., Surasinghe, T., Gelmi-Candusso, T., Sander, H. A., Lilly, M., et al. Multicity research networks are needed to address global One Health challenges. BioScience. , biaf106 (2025).
  70. Seress, G., Lipovits, &. #. 1. 9. 3. ;., Bókony, V., Czúni, L. Quantifying the urban gradient: A practical method for broad measurements. Landsc Urban Plan. 131, 42-50 (2014).
  71. Moll, R. J., Cepek, J. D., Lorch, P. D., Dennis, P. M., Tans, E., et al. What does urbanization actually mean? A framework for urban metrics in wildlife research. J Appl Ecol. 56 (5), 1289-1300 (2019).
  72. Gandy, S. L., Hall, J. L., Plahe, G., Watkinson, K., Johnson, D., et al. The dependence of urban tick and Lyme disease hazards on the hinterlands. Nat Cities. 2 (10), 948-957 (2025).
  73. Magle, S. B., Lehrer, E. W., Fidino, M. Urban mesopredator distribution: examining the relative effects of landscape and socioeconomic factors. Anim Conserv. 19 (2), 163-175 (2016).
  74. Dewitz, J. . National Land Cover Database (NLCD) 2021 Products. , (2023).
  75. Hammer, R. B., Stewart, S. I., Winkler, R. L., Radeloff, V. C., Voss, P. R. Characterizing dynamic spatial and temporal residential density patterns from 1940-1990 across the North Central United States. Landsc Urban Plan. 69 (2), 183-199 (2004).
  76. Homer, C., Dewitz, J., Jin, S., Xian, G., Costello, C., et al. Conterminous United States land cover change patterns 2001-2016 from the 2016 National Land Cover Database. ISPRS J Photogramm Remote Sens. 162, 184-199 (2020).
  77. Theobald, D. M. Landscape Patterns of Exurban Growth in the USA from 1980 to 2020. Ecol Soc. 10, 1 (2005).
  78. Stanley, D., Gehrt, P. D., Seth, P. D., Riley, P. D., Brian, L., et al. . Urban Carnivores. , (2010).
  79. Sauer, J. R., Link, W. A., Fallon, J. E., Pardieck, K. L., Ziolkowski, D. J. The North American Breeding Bird Survey 1966-2011: Summary Analysis and Species Accounts. North Am Fauna. 1 (79), 1-32 (2013).
  80. Endreny, T., Sica, F., Nowak, D. Tree Cover Is Unevenly Distributed Across Cities Globally, With Lowest Levels Near Highway Pollution Sources. Front Sustain Cities. 10, 2 (2020).
  81. . Protected Areas Database of the United States (PAD-US) Available from: https://www.census.gov/library/visualizations/2021/geo/population-distribution-2020.html (2024)
  82. Parsons, A. W., Forrester, T., Baker-Whatton, M. C., McShea, W. J., Rota, C. T., Schmid, B., Baldwin, I. T., Schmid, B., Kéry, M., Kühn, I. Mammal communities are larger and more diverse in moderately developed areas. eLife. 7, e38012 (2018).
  83. Diuk-Wasser, M. A., Gatewood, A. G., Cortinas, M. R., Yaremych-Hamer, S., Tsao, J., et al. Spatiotemporal Patterns of Host-Seeking Ixodes scapularis Nymphs (Acari: Ixodidae) in the United States. J Med Entomol. 43 (2), 166-176 (2006).
  84. Lilly, M. V., Konowal, C. R. Wildlife Insights: New York City UWIN Camera-trappingTransect. Wildlife Insights. , (2025).
  85. Daniels, L. D., Lavallee, S. Better Safe than Sorry: Planning for Safe and Successful Fieldwork. Bull Ecol Soc Am. 95 (3), 264-273 (2014).
  86. Palencia, P., Vicente, J., Soriguer, R. C., Acevedo, P. Towards a best-practices guide for camera trapping: assessing differences among camera trap models and settings under field conditions. J Zool. 316 (3), 197-208 (2022).
  87. Xu, G., Siegel, E., Fernandez, N., Bechtold, E., Daly, T., et al. Active Surveillance of Powassan Virus in Massachusetts Ixodes scapularis Ticks, Comparing Detection Using a New Triplex Real-Time PCR Assay with a Luminex Vector-Borne Panel. Viruses. 16 (2), 250 (2024).
  88. Salomon, J., Hamer, S. A., Swei, A., Machtinger, E. . A Beginner's Guide to Collecting Questing Hard Ticks (Acari: Ixodidae): A Standardized Tick Dragging Protocol. 20 (6), 11 (2020).
  89. Pratt, S. D., Littig, K. S. . Ticks of public health importance and their control. , 42 (2025).
  90. Durden, L. A., Keirans, J. E. Key to the Nymphs of the Genus Ixodes of the United States. Nymphs of the Genus Ixodes. (Acari: Ixodidae) of the United States: Taxonomy, Identification Key, Distribution, Hosts, and Medical/Veterinary Importance. , (2005).
  91. Keirans, J. E., Litwak, T. R. Pictorial Key to the Adults of Hard Ticks, Family Ixodidae (Ixodida: Ixodoidea), East of the Mississippi River. J Med Entomol. 26 (5), 435-448 (1989).
  92. Dubie, T. R., Grantham, R., Coburn, L., Noden, B. H. Pictorial Key for Identification of Immature Stages of Common Ixodid Ticks Found in Pastures in Oklahoma. Southwest Entomol. 42 (1), 1-14 (2017).
  93. Kopsco, H. L., Mather, T. N. Tick-Borne Disease Prevention Behaviors Among Participants in a Tick Surveillance System Compared with a Sample Of Master Gardeners. J Community Health. 47 (2), 246-256 (2022).
  94. Sakamoto, J. M. Progress, challenges, and the role of public engagement to improve tick-borne disease literacy. Curr Opin Insect Sci. 28, 81-89 (2018).
  95. Sterling, E. J., Betley, E., Sigouin, A., Gomez, A., Toomey, A., et al. Assessing the evidence for stakeholder engagement in biodiversity conservation. Biol Conserv. 209 (159), 171 (2017).
  96. Brooks, J., Waylen, K. A., Mulder, M. B. Assessing community-based conservation projects: A systematic review and multilevel analysis of attitudinal, behavioral, ecological, and economic outcomes. Environ Evid. 2 (1), 2 (2013).
  97. Apfelbeck, B., Snep, R. P. H., Hauck, T. E., Ferguson, J., Holy, M., et al. Designing wildlife-inclusive cities that support human-animal co-existence. Landsc Urban Plan. 200, 103817 (2020).
  98. Magle, S. Lessons learned about steering a large urban wildlife research network from theory to practice. Urban Ecosyst. 26 (6), 1685-1691 (2023).
  99. Harris, G., Thompson, R., Childs, J. L., Sanderson, J. G. Automatic Storage and Analysis of Camera Trap Data. Bull Ecol Soc Am. 91 (3), 352-360 (2010).
  100. Leorna, S., Brinkman, T. Human vs. machine: Detecting wildlife in camera trap images. Ecol Inform. 72, 101876 (2022).
  101. Ginsberg, H. S., Buckley, P. A., Balmforth, M. G., Zhioua, E., Mitra, S., Buckley, F. G. Reservoir Competence of Native North American Birds for the Lyme Disease Spirochete, Borrelia burgdorferi. J Med Entomol. 42 (3), 5 (2005).
  102. Pickett, S. T. A., Cadenasso, M. L., Rademacher, A. M. Coproduction of place and knowledge for ecology with the city. Urban Ecosyst. 25 (3), 765-771 (2022).
  103. Toomey, A., Smith, J., Becker, C., Palta, M. Towards a pedagogy of social-ecological collaborations: engaging students and urban nonprofits for an ecology with cities. Urban Ecosyst. 26 (2), 425-432 (2023).
  104. Mach, K. J., Lemos, M. C., Meadow, A. M., Wyborn, C., et al. Actionable knowledge and the art of engagement. Curr Opin Environ Sustain. 42, 30-37 (2020).

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Monitoring kleszczy w rodowisku miejskimfotopu apki dla dzikiej faunachoroby odkleszczowemiejskie tereny zielonegradient urbanizacjizbieranie kleszczygospodarze z dzikiej faunyidentyfikacja kleszczymonitoring miejskiej dzikiej fauny

Powiązane artykuły