उनके पैरों के निशान से पहचान व्यक्तियों: चीता खोलना

Environment
 

Cite this Article

Copy Citation | Download Citations

Jewell, Z. C., Alibhai, S. K., Weise, F., Munro, S., Van Vuuren, M., Van Vuuren, R. Spotting Cheetahs: Identifying Individuals by Their Footprints. J. Vis. Exp. (111), e54034, doi:10.3791/54034 (2016).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

Introduction

चीता (Acinonyx jubatus) अफ्रीका के सबसे लुप्तप्राय felid और संकटग्रस्त प्रजातियों 1 की आईयूसीएन लाल सूची से गिरावट आबादी की प्रवृत्ति के साथ कमजोर के रूप में सूचीबद्ध है। वैश्विक चीता आबादी शायद दुनिया की आबादी 4,6,7 के एक तिहाई से अधिक के साथ, 7-10,000 व्यक्तियों 1 और नामीबिया मुक्त लेकर चीता के सबसे बड़े गढ़ के रूप में मान्यता प्राप्त है के बीच होने का अनुमान है। दक्षिणी अफ्रीका के लिए जनसंख्या के अनुमानों 2007 में 1,800 के साथ अगले निकटतम रेंज राज्य बोत्सवाना के साथ 2,000 पर नामीबिया चीता आबादी रखा, दक्षिण अफ्रीका (550), जिम्बाब्वे (400), जाम्बिया (100), मोजाम्बिक के द्वारा पीछा (<5)। कई राज्यों unassessed 7 थे।

नामीबिया के अधिकारियों को एक स्पष्ट रूप से "पारिस्थितिक तंत्र को सफलतापूर्वक के साथ साथ रह की एक सीमा के पार सुरक्षित, व्यवहार्य चीता आबादी, और से, नामीबिया के लोगों को महत्व दिया जाता है।" की दृष्टि में कहा गया है हालांकि, पशुधनऔर खेल की खेती प्रमुख भूमि नामीबिया 8,9 और जमीन मालिकों में नियमित रूप से जाल का उपयोग करता है और पशुओं या मूल्यवान वन्य जीवों के शिकार को कम करने की कोशिश में उनके गुणों पर चीता को मार रहे हैं। 1,200 से अधिक चीतों 1991 से 2006 तक हटा दिया गया है, लेकिन सभी तरह के 'offtakes' 10 दर्ज किया गया। इसके अलावा, वहाँ या नहीं, इस किसान-चीता संघर्ष करने के लिए एक प्रभावी समाधान है पर एक बहस चल रही है। , संघर्ष के कारण के रूप में माना जानवरों को मारने या translocation द्वारा को हटाने के इस तरह बेहतर पशुधन संरक्षण के रूप में 11 अन्य साधनों से संघर्ष के शमन की तुलना में कम प्रभावी हो सकता है। 12 महीनों के बाद translocation के लिए अस्तित्व का प्रकाशित दरें 18% से 11% 40 से 12 बताया गया है।

नामीबिया में नंबर, पहचान और चीता के वितरण पर विश्वसनीय आंकड़े एकत्रित मानव-चीता संघर्ष स्थितियों को संबोधित करने के लिए महत्वपूर्ण है। वर्तमान चीता निगरानी तकनीक Nami से लक्षित प्रश्नावली से लेकरपर्यटकों और सरकार द्वारा अवसरवादी टिप्पणियों के हितधारकों से 4 पर्यावरण और पर्यटन के बियान मंत्रालय की रिपोर्ट 4, कैमरा-जाल 13, जीपीएस या वीएचएफ कॉलर 10,14, किसान साक्षात्कार सर्वेक्षण के 8, और यहां तक कि मौके पैटर्न 15 का उपयोग करने के लिए। हालांकि, एक आम बेंचमार्क या सर्वेक्षण प्रयास की मात्रा का ठहराव के बिना इन तकनीकों की प्रभावकारिता की तुलना मुश्किल है। प्रत्येक सीमाएँ हैं; जीपीएस उपग्रह और वीएचएफ कॉलर महंगा है और अक्सर अविश्वसनीय हैं, लक्षित प्रश्नावली गुंजाइश सीमित है, और कैमरे के जाल रेंज सीमित है।

इन अलग अलग तरीके से उत्पादित अनुमान व्यापक रूप से भिन्न हो। मार्कर एट अल। 10 एक और अधिक समन्वित दृष्टिकोण के लिए आवश्यकता पर प्रकाश डाला। तरीकों की एक किस्म चीता जनसंख्या घनत्व अनुमान लगाने के लिए खेतों पर इस्तेमाल किया गया है, और इन अनुमानों की एक श्रृंखला का उत्पादन किया है। उदाहरण के लिए, अनुमान के अनुसार एक रेडियो टेलीमेटरी अध्ययन 2.5 (± 0.73) चीतों / 1,000 किलोमीटर 2 (मार्कर एट अल। 2007)। इस बदलाव घनत्व अनुमान लगाने के लिए विभिन्न तरीकों का उपयोग करने की समस्या पर प्रकाश डाला गया है, लेकिन अब तक कोई भी, प्रभावी, repeatable तकनीक पहचान की गई है जो निवास है कि चीतों नामीबिया में कब्जा की विस्तृत श्रृंखला में प्रयोग किया जा सकता है। यह प्रभावी चीता निगरानी और संरक्षण के लिए एक समस्या बनी हुई है।

यह चुनौती चीता की निगरानी के लिए एक मजबूत, लागत प्रभावी और लचीला उपकरण के विकास फूट पड़ा। पदचिह्न पहचान तकनीक पहले काले राइनो 16 के लिए विकसित किया गया था और बाद में सफेद राइनो 17, अमूर बाघ 18, पहाड़ी शेर 19, और अन्य लोगों सहित प्रजातियों में से एक विस्तृत श्रृंखला के लिए अनुकूलित।

विभिन्न अध्ययनों से संकेत दिया है कि यह पैरों के निशान का उपयोग करने से प्रजातियों, व्यक्तियों, और सेक्स बड़े मांसाहारी की पहचान करना संभव है। प्रक्रियाएक या कई माप 16,17,22-30 का सांख्यिकीय विश्लेषण करने के लिए माप 21 की तुलना करने के लिए पैरों के निशान 20 की साधारण आकार वर्णन से विकसित किया गया है, और आकार विश्लेषण 31 ये प्रयासों की सफलता के अलग पड़ा है, की कठोरता पर काफी हद तक निर्भर करता है डेटा संग्रह और विश्लेषणात्मक प्रक्रियाओं, और प्रशिक्षण डेटासेट विकसित करने के लिए इस्तेमाल किया परीक्षण पशुओं की संख्या। वहाँ पैरों के निशान का उपयोग कर के कई व्यावहारिक लाभ कर रहे हैं। पहला यह है कि छवियों अन्य गैर इनवेसिव दृष्टिकोण के साथ एकत्र किया जा सकता है (जैसे, कैमरा-फँसाने, बाल / मल, आदि से डीएनए संग्रह) बहुत छोटे से अतिरिक्त प्रयास या लागत के साथ। दूसरे, पैरों के निशान, जहां हैं सब्सट्रेट परमिट, पशु गतिविधि के सबसे सर्वव्यापी संकेत है।

पदचिह्न पहचान तकनीक पहले मजबूत पदचिह्न पहचान तकनीक चीता के लिए वर्णित है और किसी भी साइट है जहाँ पैरों के निशान पाए जाते हैं पर लागू होता है। पैरों के निशान sufficie होना चाहिएntly परिभाषित किया है कि पैर की उंगलियों और प्रिंट की एड़ी नग्न आंखों से स्पष्ट रूप से देखा जा सकता है। फील्ड ऑपरेटरों चीता पैर की बुनियादी शारीरिक रचना के साथ खुद को परिचित होना चाहिए और ब्याज के क्षेत्र में प्रिंट की पहचान करने में सक्षम हो, और उन्हें किसी भी अन्य समपैतृक बड़े मांसाहारी के प्रिंट से भेद। तकनीक या तो एक जनगणना तकनीक के रूप में इस्तेमाल किया जा सकता है (उदाहरण के लिए, कितने चीतों पैरों के निशान एकत्र? प्रतिनिधित्व कर रहे हैं) या एक उपकरण के रूप में विशिष्ट व्यक्तियों पर नजर रखने के लिए। पैरों के निशान भी तकनीक का उपयोग व्यक्तियों की पहचान है, और फिर गणना करने के लिए प्रजातियों के स्थानीय घनत्व, मार्क-हटा देना विश्लेषण में 'निशान' के रूप में इस्तेमाल किया जा सकता है। डेटा संग्रह केवल एक बुनियादी डिजिटल कैमरा और बड़े पैमाने की आवश्यकता है।

Protocol

नैतिकता वक्तव्य: पदचिह्न पहचान तकनीक एक गैर इनवेसिव तकनीक है। कोई जैविक नमूने ले जाया गया। परमिट दस्तावेज के साथ केवल पंजीकृत बंदी चीता इस्तेमाल किया गया। चीता भागीदारी एक रेत के निशान के साथ घूमना एक खाद्य पुरस्कार के लिए विदेशी मुद्रा में पैरों के निशान छोड़ने के लिए सीमित था।

नोट: इस प्रोटोकॉल ऐसे जेएमपी के रूप में एक डेटा दृश्य सॉफ्टवेयर का उपयोग करते हैं, इसके बाद पदचिह्न पहचान तकनीक का उपयोग करते हुए पैरों के निशान वर्गीकृत करने के लिए 'डेटा दृश्य सॉफ्टवेयर' के रूप में भेजा बताते हैं।

सुरक्षा वक्तव्य: चीता कभी नहीं छोड़ दिया गया बेपनाह (2 लोग) और जहां संभव अलग होल्डिंग सुविधाओं में रखा गया था। कैप्टिव से निपटने के लिए इस्तेमाल किया चीतों सीधे पैरों के निशान बनाने के लिए एक रेत के निशान के ऊपर लालच दिया गया था। कम से निपटने के लिए उत्तरदायी अन्य जानवरों के बाड़े के बाहर से लालच दिया गया था।

शब्दावली: ट्रैक: एक पदचिह्न; ट्रेल: एक यूएक भी जानवर द्वारा की गई पैरों के निशान के Nbroken श्रृंखला।

1. एकत्रित पैरों के निशान

  1. पैच तैयार करने और प्रोटोकॉल
    1. प्रोटोकॉल के लिए निम्नलिखित सामग्री इकट्ठा: ठीक एक रेक, या एक मोटे रेक और छेड़छाड़, हाथ बुझाने या पानी, दो मानक शासकों (सेमी) या एक बढ़ई 'प्रिंट, एक मानक डिजिटल कैमरा (न्यूनतम संकल्प 1,200 तैयार करने के लिए तह शासक एक्स 1600 PIX), छाया है, तो डेटा रिकॉर्डिंग रिक्त स्थान के साथ आवश्यक और मानक पदचिह्न लेबल के फोटोग्राफर, तिथि, पदचिह्न श्रृंखला, असतत प्रिंट आईडी, पशु आईडी, स्थान और गहराई यदि> 2 सेमी) के नाम दर्ज करने के लिए के लिए एक छाता।
    2. प्रिंट पर अधिकतम प्रकाश विपरीत के लिए सुबह जल्दी या देर से दोपहर काम करते हैं। यदि यह संभव नहीं है, एक छाता से कृत्रिम छाया एड़ी और पैर की अंगुली पैड परिभाषा में सुधार कर सकते हैं जब सूरज भूमि के ऊपर है।
    3. या तो प्राकृतिक सब्सट्रेट या 'बिल्डरों रेत के बारे में 1 सेमी गहराई का एक पथ निर्धारित करना। यकीन है कि इसके बारे में है सुनिश्चित करें2-3 मीटर चौड़ा और 3 और 15 एक परिधि बाड़ या अभ्यस्त आंदोलन मार्ग के किनारे मीटर के बीच के लिए चला रहे हैं।
    4. गीले और चिकनी मानक बागवानी उपकरण के साथ सब्सट्रेट प्रिंट की गुणवत्ता और परिभाषा में सुधार होगा। मैन्युअल, पत्तियों और कंकड़ हटाने अगर मौजूद है।
  2. प्रशिक्षण डाटासेट के लिए पैरों के निशान एकत्रित
    1. एक खाद्य इनाम के साथ रेत रास्ते भर में चीता को लुभाने। बाद पैरों के निशान बना दिया है, पशु पथ से दूर ले।
    2. प्रत्येक पदचिह्न निशान इमेजिंग के बाद (1.3 देखें) पटरियों दूर ब्रश और अगले निशान की रिकॉर्डिंग के लिए सतह तैयार करते हैं।
    3. केवल प्रशिक्षण डाटासेट के लिए छोड़ दिया हिंद प्रिंट इकट्ठा। छोड़ दिया हिंद पैर अग्रणी पैर की अंगुली (पैर की अंगुली 3), पैर के अंगूठे और पैर के अंगूठे 4 5 बाईं ओर एक ढाल बना रही है। सामने पैरों पिछले पैर से व्यापक हैं। कैसे इमेजिंग से पहले उन्हें पहचान करने के लिए सीखने के समय बिताओ।
  3. पदचिह्न पहचान तकनीक प्रोटोकॉल का उपयोग पैरों के निशान इमेजिंग स्वयं एक छोड़ दिया हिंद पदचिह्न चारों ओर एक घेरे ड्राइंग द्वारा निशान के साथ अलग-अलग पैरों के निशान की स्थिति पर प्रकाश डाला। एक छड़ी या किसी अन्य उपयुक्त स्थानीय उपकरण का उपयोग करें।
  4. छवि पहले पदचिह्न के रूप में निम्नानुसार
    1. एक मीट्रिक पैमाने के बारे में 1 सेमी नीचे और पदचिह्न के बाईं ओर रखें।
    2. पैमाने के तहत, और पदचिह्न को छू नहीं, एक फोटो आईडी पर्ची जगह है, और पूर्व आवंटित रिक्त स्थान में फोटोग्राफर, तिथि, पदचिह्न श्रृंखला, गहराई का नाम लिखने (यदि> 2 सेमी) असतत प्रिंट आईडी, पशु आईडी और स्थान।
  5. प्रिंट पैर फैलाकर बैठना और बात कर कैमरे के लेंस सीधे भूमि के ऊपर पदचिह्न, पैमाने या फोटो पहचान पर्ची के संबंध के साथ छवि में किसी भी लंबन त्रुटि से बचने के लिए। यदि आवश्यक हो तो जाँच करने के लिए एक तिपाई या सहायक का प्रयोग करें।
  6. सुनिश्चित करें कि पदचिह्न, नियम और फोटो पहचान पूरी तरह से पर्ची फ्रेम को भरने के।
  7. कि जानवर के लिए संग्रह को पूरा करने के लिए करीब 20 अच्छी गुणवत्ता के लिए छोड़ दिया हिंद प्रिंट ले लीजिए। अगर 20 जनसंपर्कints उपलब्ध नहीं है, 1.1.6 से ही जानवर के साथ 1.3.5 को दोहराने प्रक्रियाओं पहले निशान से हैं।

2. छवि सुविधा निष्कर्षण पहले पदचिह्न पहचान तकनीक विश्लेषण करने के लिए

  1. पदचिह्न पहचान तकनीक आइकन पर डबल क्लिक करें और एक ऐड-इन डेटा दृश्य सॉफ्टवेयर के रूप में यह खुला। स्क्रीन पर घर की खिड़की का निरीक्षण करें। इस नई विंडो दिखाने के लिए 'छवि सुविधा निष्कर्षण' का चयन करें। पदचिह्न पहचान तकनीक कोडिंग भाषा जेएसएल में एक डेटा दृश्य सॉफ्टवेयर स्क्रिप्ट पर चलता है। मुख्य मेनू छवि में दिखाया गया है। 1।
  2. एक माउस, खींचें का उपयोग और छवि सुविधा निकासी विंडो में पहली पदचिह्न छवि ड्रॉप। एक सुविधा निकासी टेम्पलेट गाइड विंडो के बाईं ओर दिखाया गया है।
  3. क्लिक करें और 'आकार बदलने' बटन का चयन सुनिश्चित करने के लिए कि पदचिह्न की छवि ग्राफिक्स खिड़की के अंदर है। बाहर पैर की उंगलियों (पैर की उंगलियों पर सबसे कम अंक पर क्लिक करें 2और 5) मार्कर जगह करने के लिए और फिर 'घुमाएँ' का चयन करें। ध्यान से देखें कि छवि लाइन अंक में शामिल होने पर क्षैतिज घुमाया जा रहा है, अभिविन्यास मानकीकृत करने के लिए। क्रॉसहेयर का एक सेट का निरीक्षण स्वचालित रूप से 2.6 चरण में इस्तेमाल किया जा करने के लिए दिखाई देते हैं।
  4. सब्सट्रेट अधिक से अधिक 1 सेमी गहरी है, "सब्सट्रेट गहराई" बटन पर क्लिक करके एल्गोरिथ्म के लिए एक गहराई सुधार कर सकते हैं।
  5. आवश्यक पैमाने पर दो पैमाने अंक जगह के लिए क्लिक करें। चीता के लिए 10 सेमी पर पैमाने पर सेट, पैमाने कारक बॉक्स पर निर्धारित किया है।
  6. ग्राफिक्स विंडो के बाईं तरफ टेम्पलेट का उपयोग करना, 25 मील का पत्थर अंक क्रमिक रूप से जगह है। पहचान अंक, पदचिह्न पर शारीरिक अंक परिभाषित कर रहे हैं, उदाहरण के लिए सबसे पूर्वकाल, पीछे, प्रत्येक पैर की अंगुली और एड़ी के पार्श्व और औसत दर्जे का अंक। नौसिखिया उपयोगकर्ताओं के लिए सटीकता में सुधार करने के लिए क्रॉसहेयर का प्रयोग करें। एक त्वरित अंक के अनुक्रम को दिखाने के लिए छवि के ऊपर छोड़ दिया पर प्रकट निरीक्षण करें।
  7. 'व्युत्पन्न अंक' एक और पंद्रह अंक fr उत्पन्न करने के लिए चयन करेंओम मील का पत्थर बताते हैं। इस प्रक्रिया को एल्गोरिथ्म विकास के लिए उपलब्ध चर की संख्या augments।
  8. पदचिह्न छवि के लिए सभी डेटा क्षेत्र को पूरा; चीता, ट्रैक, निशान, तारीख, समय और स्थान के बिंदु (जीपीएस)। अंजीर। 2 से पता चलता चरणों 2.2-2.8।
  9. 'पंक्ति संलग्न' बटन डेटाबेस में एक पंक्ति में 136 पटकथा चर (दूरी, कोण, क्षेत्रों) भेजने के लिए दबाएं।
  10. दोहराएँ चरणों सभी के पैरों के निशान के लिए 2.9 करने के लिए 2.1 तक डेटाबेस XY के साथ आबादी है प्रत्येक मील का पत्थर और व्युत्पन्न बिंदु और प्रत्येक पदचिह्न के लिए सभी गणना चर के लिए समन्वय करता है।
  11. डेटाबेस में सभी पंक्तियों को कॉपी और उन्हें डेटाबेस से नीचे चिपका दें। यह दोहराव सेट पदचिह्न ट्रेल्स के बाद जोड़ो में तुलना के लिए पदचिह्न पहचान तकनीक मॉडल को स्थिर करने के संदर्भ Centroid मूल्य (RCV) और कृत्यों कहा जाता है।

3. चीता के लिए पदचिह्न पहचान तकनीक एल्गोरिथ्म का विकास

जोड़ो में मजबूत पार मान्य विभेदक विश्लेषण
  1. मुख्य मेनू से, और मजबूत पार मान्य जोड़ो में विश्लेषण खिड़की (छवि। 3) खुला। पदचिह्न पहचान तकनीक मॉडल एक ही व्यक्ति से संबंधित ट्रेल्स या दो अलग-अलग व्यक्तियों (छवि। 4) की एक जोड़ी की संभावना को निर्धारित करने के लिए एक क्लासिफायरफ़ाइल का उपयोग करता है।
  2. बाहर ले जाने के इस प्रकार के रूप में जाना जाता व्यक्तियों के प्रशिक्षण के डेटाबेस का उपयोग ट्रेल्स का एक जोड़ो में तुलना नहीं:
    1. चीता 'के रूप में इनपुट एक्स, मॉडल श्रेणी', और 'के रूप में इनपुट ट्रेल्स' ट्रेल्स का चयन करें। Y कॉलम (पदचिह्न माप), सतत चर के रूप में, स्वचालित रूप से आबादी वाले हैं।
    2. 'रन' का चयन करें। प्रगति में विश्लेषण दिखा एक प्रगति बार निरीक्षण करें। एक डेटा तालिका ट्रेल्स के जोड़ो में तुलना दिखा दिखाई निरीक्षण करें।
    3. दो outputs का निरीक्षण, एक नियत आत्म / गैर आत्म तालिका प्रत्येक वी के बीच वर्गीकरण दूरी वर्णन करने के लिएalidation जोड़ी है, और एक वर्गीकरण matrices तुलना के लिए चुना अलग ट्रेल्स दिखा खिड़की, और समोच्च संभावना है। शो मॉडल बटन है कि प्रत्येक तुलना के लिए इस्तेमाल चर पता चलता है, और दूरी सीमा बॉक्स है कि centroids के बीच की दूरी देता निरीक्षण करें।
    4. आत्म सौंपा / गैर आत्म तालिका के आधार पर 'समूहों' बटन का चयन करें। दो तालिकाओं का निरीक्षण करें। पहले शो के किसी भी दो ट्रेल्स के बीच दूरी। चुने चर के वर्गीकरण के लिए अंतिम उत्पादन - दूसरे एक 'क्लस्टर' dendrogram है। रंग-कोड के लिए यह dendrogram की किसी भी शाखा पर क्लिक करके वर्गीकरण समूहों कल्पना।
    5. चर (माप) की संख्या और समोच्च संभावना (केन्द्रक मूल्य के आसपास विश्वास अंतराल) अलग से वर्गीकरण की सटीकता का परीक्षण करें। 18 चर (छवि। 5A) का उपयोग कर उत्पन्न क्लस्टर dendrogram में डेटा को फिर से कल्पना। यह सात की सही भविष्यवाणी कर देता हैचीतों। आंकड़े 5 ब (24 चर) और सी (10 चर) विभिन्न चर और समोच्च संभावना आदानों के परीक्षण के द्वारा प्राप्त चीता संख्या के विभिन्न अनुमान दिखाते हैं।
      ध्यान दें: स्लाइडिंग स्केल के साथ वितरण वक्र भविष्यवाणी की संख्या 100% के साथ शुरू की रिश्तेदार संभावना (मौका) देता है। स्लाइडिंग स्केल प्रत्येक अनुमान या तो भविष्यवाणी मूल्य से पता चला है के पक्ष के लिए रिश्तेदार संभावना ले जाया जाता है। 5 डी चित्रा 18 चर के साथ परिणाम से पता चलता है, स्लाइडिंग स्केल एक दिशा में ले जाया साथ दिखाने के लिए कि दस चीतों की संभावना है, कम से कम 50 %।
    6. एल्गोरिथ्म है कि लगातार उच्चतम सटीकता देता है का चयन करें। एल्गोरिथ्म परिणाम है कि सबसे अच्छा प्रशिक्षण डेटाबेस में जाना जाता है (अंजीर। 5A) जानवरों की संख्या के बराबर उत्पादन करने के लिए निर्धारित किए जाने की अनुमति देने के लिए सीमा मूल्य को समायोजित करें।
  • सत्यापन के लिए पूर्ण बाधा परीक्षण <br /> व्यक्तियों के दोनों उम्मीद की संख्या और बाधा परीक्षणों का उपयोग कर और बेतरतीब ढंग से डाटासेट में अलग-अलग चीता का परीक्षण और प्रशिक्षण सेट करने के लिए बांटना (छवि। 6) क्लस्टरिंग वर्गीकरण की सटीकता के लिए एल्गोरिथ्म मान्य। उपयोग करने के लिए कदम इस प्रकार हैं:
    1. संदर्भ डेटाबेस से, परीक्षण और प्रशिक्षण सेट आकार में डाटासेट के अनुक्रमिक विभाजन के लिए एक उपयुक्त अंतराल पर फैसला। चीता डेटाबेस के लिए, 4 के रूप में अंतराल का उपयोग करें।
    2. बेतरतीब ढंग से परीक्षण डाटासेट (प्रशिक्षण सेट में 34 छोड़कर) के रूप में चार व्यक्तियों का चयन करें। चार परीक्षण चयनित व्यक्तियों की पहचान छिपाने के।
    3. "जोड़ो डेटा विश्लेषण" विकल्प पर क्लिक करें और चार परीक्षण व्यक्तियों के लिए सभी ट्रेल्स का चयन करें।
    4. पदचिह्न पहचान तकनीक विश्लेषण शुरू करने के लिए "भागो" पर क्लिक करें। विश्लेषण परीक्षण डाटासेट में व्यक्तियों की संख्या के लिए एक भविष्यवाणी दे देंगे। इस प्रक्रिया पुनरावृति नौ गुना अधिक (कुल 10), प्रत्येकसमय बेतरतीब ढंग से चार व्यक्तियों का चयन।
    5. इस परीक्षण के आकार के लिए मतलब भविष्यवाणी मूल्य की गणना (यानी, चार)। तब आठ बेतरतीब ढंग से चयनित व्यक्तियों (अंतराल के आकार पर निर्भर करता है) और फिर 12 और इतने पर प्रत्येक परीक्षा आकार के लिए दस पुनरावृत्तियों के साथ के लिए प्रक्रिया क्रमिक रूप से दोहराएँ। प्रत्येक परीक्षा के आकार के लिए मतलब भविष्यवाणी मूल्य की गणना।
    6. एक रेखांकन सॉफ्टवेयर साजिश एक ग्राफ का उपयोग कर के रूप में छवि में दिखाया गया है। 6। लाल लाइन से पता चलता वास्तविक परीक्षण आकार स्वयं के खिलाफ साजिश रची, हरे तारों से पता चलता है प्रत्येक यात्रा और ब्लू लाइन के लिए व्यक्तियों की भविष्यवाणी की संख्या दिखाने के प्रत्येक परीक्षा आकार के लिए मतलब मूल्यों की भविष्यवाणी की। लाल और नीले रंग की लाइनों की निकटता पदचिह्न पहचान तकनीक विश्लेषण की सटीकता का सूचक है।
  • Representative Results

    व्यक्तिगत पहचान

    व्यक्तिगत चीता वर्गीकृत करने के पदचिह्न पहचान तकनीक की क्षमता दो कारकों, एक मानकीकृत पदचिह्न संग्रह प्रोटोकॉल का उपयोग करें और एक नया सांख्यिकीय मॉडल एक वार्ड क्लस्टरिंग विश्लेषण के साथ एक पार मान्य जोड़ो में विभेदक विश्लेषण के आधार पर पर आकस्मिक है। ये डेटा दृश्य (छवि। 1) के लिए एक एकीकृत ग्राफिक यूजर इंटरफेस से मदद कर रहे हैं। न्यूनतम उपकरणों की जरूरत है, इस तकनीक को लागत प्रभावी (सामग्री सूची) बना रही है। निशान के साथ एकत्र डेटा चीता और (तालिका 1) चीतों की आयु-सीमा प्रति ट्रेल्स के चीतों की संख्या, एकत्र पदचिह्न छवियों की संख्या, चीता प्रति पैरों के निशान की सीमा, ट्रेल्स की संख्या, रेंज शामिल थे।

    781 पैरों के निशान (एम एफ 395: 386), 110 ट्रेल्स से संबंधित 38 व्यक्तियों से, प्रशिक्षण डाटासेट के लिए एकत्र किए गए थे 1 टेबल देता है।डेटा का सारांश एकत्र। सुविधा निकासी खिड़की का उपयोग करना (अंजीर। 2) 25 मील का पत्थर अंक का एक सेट 15 प्रत्येक पदचिह्न छवि पर अंक निकाली गई उत्पन्न करने में सक्षम थे। इन ऐतिहासिक और व्युत्पन्न अंक से 136 चर प्रत्येक पदचिह्न के लिए उत्पन्न किया गया, जिसमें दूरी, कोण और क्षेत्रों में। डेटाबेस में प्रत्येक पंक्ति इसलिए एक भी पदचिह्न द्वारा उत्पन्न 136 चर का प्रतिनिधित्व किया। पैरों के निशान के निशान से प्रोसेस किया गया। पंक्तियों की एक अलग संख्या प्रत्येक निशान प्रतिनिधित्व किया, और इस तरह के रूप में चिह्नित किया गया।

    इन आंकड़ों से डेटा तालिका में दोहराया गया के रूप में एक इकाई के रूप में तो संदर्भ Centroid मूल्य (RCV) है कि कार्य करता है व्यक्ति वर्गीकरण के लिए आवश्यक ट्रेल्स के जोड़ो में तुलना को स्थिर करने के लिए भेजा। जोड़ी वार विश्लेषण खिड़की (छवि। 3) मदद करने के लिए अज्ञात आबादी से डेटा के लिए डेटा और / या परीक्षण मान्य डिजाइन किया गया था। चित्रा 4 एक ही इंडस्ट्रीज़ से ट्रेल्स की एक जोड़ी के लिहाज से तुलना के परिणाम से पता चलता हैividual (ए) और दो अलग अलग व्यक्तियों (बी) के पदचिह्न पहचान तकनीक अनुकूलित मॉडल पर आधारित है। मॉडल में शामिल वर्गीकारक ellipses के बीच उपस्थिति या ओवरलैप के अभाव पर आधारित है। ध्यान दें कि विश्लेषण एक तीसरी इकाई, यानी की उपस्थिति में प्रत्येक जोड़ो में तुलना के लिए किया जाता है, संदर्भ केन्द्रक मूल्य (RCV)।

    एक वार्ड क्लस्टरिंग विश्लेषण के साथ एक मजबूत जोड़ो में पार मान्य विभेदक विश्लेषण का उपयोग करना, एक एल्गोरिथ्म व्यक्तियों के प्रभावी वर्गीकरण प्रदान करने के लिए तैयार की गई थी। पदचिह्न पहचान तकनीक एल्गोरिथ्म तीन समायोज्य संस्थाओं पर आधारित है; इस्तेमाल किया माप की संख्या, अंडाकार आकार (आत्मविश्वास का इस्तेमाल किया अंतराल), और मूल्य सीमा है कि समूहों के लिए कट-ऑफ मूल्य निर्धारित करता है। इन संस्थाओं में से प्रत्येक सॉफ्टवेयर में समायोजित जब तक वर्गीकरण के लिए उच्चतम सटीकता ज्ञात पहचान के जानवरों के प्रशिक्षण सेट के लिए हासिल की है। यह वही algorithm तो अज्ञात चीतों की पहचान करने के लिए इस्तेमाल किया जा सकता है। उदाहरण के लिए, 5 ए, बी और सी जब एल्गोरिथ्म अनुकूलित है सही भविष्यवाणी दिखा Figures सात चीतों से ट्रेल्स का एक नमूना की एक dendrogram शो (एक) और कलन विधि सबऑप्टिमल (बी और सी) है जब।

    बाधा परीक्षणों एल्गोरिथ्म 'जाना' व्यक्तियों के प्रशिक्षण सेट से निकाली गई मान्य करने के लिए आयोजित की गई। ये परीक्षण और प्रशिक्षण सेट में चीतों के अनुपात में अलग से क्रमिक रूप से बाहर किया गया। बल्कि मनमाने ढंग से प्रशिक्षण और परीक्षण सेट करने के लिए चीतों apportioning से, विश्लेषण क्रमिक रूप से परीक्षण सेट आकार में वृद्धि प्रदर्शन किया गया। प्रत्येक परीक्षा सेट के लिए, 10 पुनरावृत्तियों चीतों प्रत्येक यात्रा के लिए बेतरतीब ढंग से चुना जा रहा है के साथ प्रदर्शन किया गया। प्रत्येक परीक्षा सेट के लिए, यह अनुमति एक मतलब मूल्य की गणना की जा सके। प्रत्येक परीक्षा आकार यात्रा के लिए 6 भविष्यवाणी मूल्य चित्रा। अलग-अलग परीक्षण आकार ही (लाल) के खिलाफ साजिश रची पता चलता है, और y अक्ष पर (हरा) और मतलब प्रत्येक परीक्षा आकार (नीला) के लिए मूल्य की भविष्यवाणी की। साजिश को दर्शाता है तब भी जब परीक्षण सेट आकार काफी (एन = 28) की वृद्धि हुई है प्रशिक्षण सेट आकार (एन = 10) के साथ तुलना में, मतलब भविष्यवाणी की है कि मूल्य की उम्मीद मूल्य के समान है।

    कई बाधा परीक्षणों का उपयोग करना, व्यक्तिगत पहचान की सटीकता, व्यक्तियों के दोनों भविष्यवाणी की संख्या और, बस के रूप में महत्वपूर्ण बात, ट्रेल्स का वर्गीकरण, IE के लिए लगातार> 90% था कि क्या एक ही व्यक्ति (आत्म-ट्रेल्स) और से उन लोगों से ट्रेल्स विभिन्न व्यक्तियों (गैर आत्म ट्रेल्स) सही ढंग से वर्गीकृत। एक क्लस्टर dendrogram सभी 38 व्यक्ति चीतों का प्रतिनिधित्व दिखाया गया है (अंजीर। 7)। वहाँ 110 ट्रेल्स थे, 5,886 जोड़ो में तुलना की कुल पैदा होता है। इनमें से, वहाँ 46 misclassifications 99% (तालिका 2) की शुद्धता दे रहे थे।

    चीतों की # पदचिह्न छवियों की # चीता प्रति पैरों के निशान की रेंज ट्रेल्स का # चीता प्रति ट्रेल्स की रेंज आयु सीमा (वर्ष)
    महिलाओं 16 386 12 - 36 55 2 - 5 2.5 -: 8.5
    नर 22 395 7 - 32 54 1 - 4 1 - 11
    कुल 38 781 7 - 36 109 1 - 5 1 - 11

    तालिका 1 एकत्र आंकड़ों का सारांश। चीतों की संख्या, एकत्र पदचिह्न छवियों की संख्या, footp की सीमाचीता प्रति rints, ट्रेल्स की संख्या, चीता प्रति ट्रेल्स की सीमा और चीतों की आयु-सीमा होती है।

    स्वयं गैर आत्म कुल Misclassifications
    स्व (एन) 117 9 126 9
    स्व (%) 93 7 100 7
    गैर आत्म (एन) 37 5723 5760 37
    गैर आत्म (%) 1 99 100 1
    कुल (एन) - - 5,886 46
    कुल (%) </ Td> - - 100 1

    तालिका 2 पदचिह्न पहचान तकनीक सॉफ्टवेयर में उत्पादन जोड़ो में तुलना के आधार पर ट्रेल्स का वर्गीकरण पता चलता है। 'स्व' एक ही व्यक्ति और 'गैर-स्व', विभिन्न व्यक्तियों से ट्रेल्स से ट्रेल्स के लिए संदर्भित करता है। प्रत्येक निशान एक स्वनिर्धारित मजबूत पार मान्य विभेदक विश्लेषण मॉडल का उपयोग कर हर दूसरे निशान के खिलाफ मिलान किया गया था। 110 ट्रेल्स 5,886 जोड़ो में तुलना में हुई और कुल मिलाकर वर्गीकरण सटीकता 99% थी।

    आकृति 1
    चित्रा 1. खोलने पदचिह्न पहचान तकनीक में मुख्य मेनू खिड़की। यह एक छवि पहचान ऐड-इन डेटा दृश्य सॉफ्टवेयर करने के लिए, भारतीयों द्वारा पैरों के निशान वर्गीकृत करने के लिए डिजाइन किया गया है vidual, सेक्स और morphometric माप से आयु-वर्ग। एक ग्राफिक यूजर इंटरफेस विभिन्न विकल्पों के बीच निर्बाध आवागमन के लिए अनुमति देता है। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

    चित्र 2
    चित्रा 2. सुविधा निकासी खिड़की। क्षमताओं खींचें और ड्रॉप छवियों, खिड़की करने के लिए स्वत: आकार, मानकीकरण, सब्सट्रेट गहराई फैक्टरिंग, आदि के लिए छवियों के रोटेशन के पूर्व सौंपा मील का पत्थर अंक मैन्युअल तैनात है और पटकथा निकाली गई अंक की एक श्रृंखला उत्पन्न कर रहे हैं दूरी, कोण और क्षेत्रों के रूप में मैट्रिक्स की निकासी के लिए सक्षम है। उत्पादन XY समन्वय और मैट्रिक्स उपलब्ध कराने के डेटा की एक पंक्ति के रूप में है।ANK "> यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

    चित्र तीन
    पदचिह्न पहचान तकनीक में चित्रा 3. जोड़ो डेटा विश्लेषण विंडो। एक बार जब माप का एक डाटाबेस बनाया गया है, इस जोड़ी के लिहाज से विश्लेषण खिड़की अज्ञात आबादी से डेटा के लिए डेटा और / या परीक्षण को मान्य करने में मदद करने के लिए बनाया गया है। विश्लेषण जो ट्रेल्स क्रमिक रूप से 16,17 के जोड़े तुलना एक स्वनिर्धारित मॉडल एक स्थिर, संदर्भ केन्द्रक मूल्य (RCV) शामिल है, पर आधारित है। अंतिम उत्पादन एक क्लस्टर dendrogram कि व्यक्तियों की संख्या और ट्रेल्स के बीच के रिश्ते के लिए एक भविष्यवाणी प्रदान करता है के रूप में है। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

    चित्रा 4. जोड़ो में तुलना। आंकड़ा एक ही व्यक्ति (ए) और दो ​​अलग अलग व्यक्तियों (बी) के आंकड़ों के दृश्य सॉफ्टवेयर में एक स्वनिर्धारित मॉडल पर आधारित ट्रेल्स की एक जोड़ी के लिहाज से तुलना के परिणाम से पता चलता है। मॉडल में शामिल वर्गीकारक ellipses के बीच उपस्थिति या ओवरलैप के अभाव पर आधारित है। ध्यान दें कि विश्लेषण एक तीसरी इकाई, यानी की उपस्थिति में प्रत्येक जोड़ो में तुलना के लिए किया जाता है, संदर्भ केन्द्रक मूल्य (RCV)। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

    चित्रा 5
    चित्रा 5. सही महीनो दिखा सात चीतों से ट्रेल्स का एक नमूना का एक dendrogramiction जब एल्गोरिथ्म अनुकूलित है (क) और जब एल्गोरिथ्म सबऑप्टिमल है (बी और सी)। डी दिखाने के लिए कि दस चीतों की संभावना कम से कम 50% है स्लाइडिंग स्केल एक दिशा में ले जाया गया, 18 चर के साथ परिणाम से पता चलता है । एल्गोरिथ्म तीन समायोज्य संस्थाओं पर आधारित है; इस्तेमाल किया माप की संख्या, अंडाकार आकार (विश्वास अंतराल) का इस्तेमाल किया और अंत में, सीमा मूल्य कि समूहों के लिए कट-ऑफ मूल्य निर्धारित करता है। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

    चित्रा 6
    चित्रा 6. एक बाधा परीक्षण परीक्षण और प्रशिक्षण सेट में चीतों के अनुपात में अलग से क्रमिक रूप से बाहर किया जाता है। बल्कि प्रशिक्षण और परीक्षण करने के लिए एसई चीतों apportioning सेमनमाने ढंग से टीएस, एक विश्लेषण क्रमिक रूप से परीक्षण सेट आकार में वृद्धि प्रदर्शन किया गया था। प्रत्येक परीक्षा सेट के लिए, दस पुनरावृत्तियों चीतों प्रत्येक यात्रा के लिए बेतरतीब ढंग से चुना जा रहा है के साथ प्रदर्शन किया गया। प्रत्येक परीक्षा सेट के लिए, यह अनुमति एक मतलब मूल्य की गणना की जा सके। चित्रा अलग-अलग परीक्षण आकार ही (लाल) के खिलाफ साजिश रची पता चलता है, और y अक्ष पर प्रत्येक परीक्षा आकार चलना (हरा) और मतलब के लिए भविष्यवाणी मूल्य प्रत्येक परीक्षा आकार (नीला) के लिए मूल्य की भविष्यवाणी की। साजिश को दर्शाता है तब भी जब परीक्षण सेट आकार काफी (एन = 28) की वृद्धि हुई है प्रशिक्षण सेट के आकार के साथ तुलना में (एन = 10), मतलब भविष्यवाणी की है कि मूल्य की उम्मीद मूल्य के समान है। का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें यह आंकड़ा।

    चित्रा 7
    जब सभी 7 चित्रा Dendrogram भविष्यवाणी परिणाम दिखा38 चीतों से 110 ट्रेल्स विश्लेषण में शामिल किए गए हैं। नोट ट्रेल्स समूहों के गठन की निष्ठा। दिलचस्प बात यह है misclassifications के कई littermates के बीच चीता Letotse / ड्यूमा और विंसेंट / बोनसाई थे, जैसे,। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

    Discussion

    इस पत्र की निगरानी के लिए एक नया लागत प्रभावी, समुदाय के अनुकूल दृष्टिकोण के रूप में पदचिह्न पहचान तकनीक के सैद्धांतिक आवेदन और इसकी क्षमता की रूपरेखा, और इसलिए चीता के संरक्षण में मदद। उपकरण के व्यापक आवेदन में अगले कदम की सीमा क्षेत्रों में चीता आबादी के साथ अधिक व्यापक क्षेत्र परीक्षण किया जाएगा।

    पदचिह्न पहचान तकनीक पिछले प्रयास कई महत्वपूर्ण मामलों में पैरों के निशान से व्यक्तियों की पहचान करने से अलग है; एक मानकीकृत और कठोर पदचिह्न संग्रह प्रोटोकॉल, एक सुव्यवस्थित ग्राफिक यूजर इंटरफेस सॉफ्टवेयर, विश्लेषण से पहले अभिविन्यास और छवियों का अनुकूलन, और वर्गीकरण के लिए एक नया सांख्यिकीय मॉडल।

    वहाँ कई महत्वपूर्ण प्रोटोकॉल की सफलता के लिए आवश्यक कदम उठाए हैं। सबसे पहले, रेत ट्रेल्स सही ढंग से तैयार किया जाना चाहिए और जानवर एक सामान्य आराम चलने गति से रेत के ऊपर का नेतृत्व किया। पैरों के निशान जब इमेजिंग, photographer सीधे प्रिंट के केंद्र के लिए भूमि के ऊपर होना चाहिए। अक्सर यह इस जांच करने के लिए एक पर्यवेक्षक के लिए उपयोगी है। अंत में, यह बहुत महत्वपूर्ण है कि फोटोग्राफर (या एक सहायक है, जो एक विशेषज्ञ पर नजर रखने हो सकता है) यात्रा की रेखा के साथ आगे या पीछे के पैरों के निशान के निशान को ट्रैक करने के लिए जमीन पर एक चीता पदचिह्न पहचान है, और कौशल है करने में सक्षम हो ।

    ट्रैकिंग कौशल अज्ञात या मुक्त लेकर चीतों की निगरानी के लिए इस तकनीक के प्रभावी कार्यान्वयन के लिए आगे के लिए आवश्यक हैं। कौशल की कमी अपर्याप्त अच्छी तरह से परिभाषित पैरों के निशान या अलग जानवरों है कि एक साथ यात्रा कर सकते हैं के ट्रेल्स के बीच भ्रम की स्थिति का संग्रह करने के लिए नेतृत्व कर सकते हैं। यह बाद बिंदु चीतों, जहां युवा पुरुषों कभी कभी 3 या अधिक जानवरों है कि एक साथ ले जाने की गठबंधन फार्म के लिए विशेष रूप से महत्वपूर्ण है। बहरहाल, यह चिंता का विषय है एक और सामाजिक प्रजातियों, सफेद राइनो, जहां एक साथ चलती अप करने के लिए 13 व्यक्तियों के समूह को सही ढंग से पहचान कर रहे थे के लिए संबोधित किया गया हैपदचिह्न पहचान तकनीक को आगे या पीछे ट्रेल्स की ट्रैकिंग का उपयोग करके fied (Alibhai एट अल। 2008) 17।

    जबकि वहाँ अब कुछ शेष विशेषज्ञ स्वदेशी ट्रैकर्स हैं, ठोस प्रयास उन लोगों के साथ संलग्न हैं और उनके समुदाय के युवा सदस्यों के लिए अपने कौशल हस्तांतरण करने के लिए किए जा रहे हैं। ऐसा ही एक पहल है, प्राचीन कौशल अकादमी, एन / a'an नामीबिया में कू se फाउंडेशन द्वारा आयोजित किया जाएगा। इसी तरह, पर नजर रखने के प्रशिक्षण प्रमाण पत्र कार्यक्रमों का तेजी से विकास को सक्षम है वैज्ञानिकों और शौकिया प्रकृतिवादियों इन आवश्यक क्षेत्र तकनीक सीखने के लिए।

    पदचिह्न चित्र पर मील का पत्थर अंक का सही मार्गदर्शन स्थिति तकनीक की सटीकता के लिए केंद्रीय है। फिर, ऑपरेटरों पैर और जिसके परिणामस्वरूप पदचिह्न की बुनियादी शारीरिक रचना के साथ परिचित होना चाहिए। लेखकों वर्तमान में मैनुअल काम शामिल कम से कम करने स्वचालन विकसित करने, और स्टेन के बारे में किसी भी चिंताओं को हल करने में मदद करने के लिए प्रयास कर रहे हैंविभिन्न ऑपरेटरों भर dardization। इस बीच में, यह बस सिफारिश की है कि ऐतिहासिक स्थिति प्रत्येक क्षेत्र साइट पर एक ऑपरेटर की जिम्मेदारी हो। प्रयासों डेटा पर कब्जा और विश्लेषण में नागरिक वैज्ञानिकों, जो बेहद क्षेत्र के आवेदन बढ़ाना होगा संलग्न करने के लिए चल रहे हैं। इन वर्तमान सीमाओं के बावजूद, इस सॉफ्टवेयर प्रोटोकॉल सफलतापूर्वक काले और सफेद राइनो, तराई टपीर और अमूर बाघ सहित प्रजातियों में से एक श्रृंखला के लिए क्षेत्र में तैनात किया गया है।

    सब्सट्रेट उनके स्पष्ट छाप की अनुमति चाहिए - पैरों के निशान के साथ काम कर रहे एक स्पष्ट सीमा है। आंशिक प्रिंट या गरीब गुणवत्ता प्रिंट अपर्याप्त विस्तार 32 प्रदान करते हैं। हालांकि, चीता रेंज के बड़े क्षेत्रों पदचिह्न संग्रह के लिए आदर्श होते हैं, और छोटे अन्यथा अनुपयुक्त क्षेत्रों के लिए यह और भी कृत्रिम रेत ट्रेल्स रखने के पैरों के निशान इकट्ठा करने के लिए कर इस कमी को नाकाम करने के लिए संभव हो सकता है। ये पदचिह्न छाप पैड प्रभावी ढंग से सीए के साथ संयोजन में इस्तेमाल किया जा सकताmera-जाल, ज्ञात चीता अंकन पदों / पेड़ पर उदाहरण के लिए। ट्रैकिंग कौशल और स्थानीय ज्ञान बहुत लगाने और उपयुक्त सब्सट्रेट के क्षेत्रों की पहचान करने में सहायता कर सकते हैं।

    क्योंकि पदचिह्न पहचान तकनीक गैर इनवेसिव है, यह पारिस्थितिकी या जानवर के व्यवहार के लिए किसी भी अशांति का कारण नहीं है। कई अध्ययनों से कब्जा, स्थिरीकरण, से निपटने की क्षमता और वास्तविक खतरा दिखाया गया है, और इंस्ट्रूमेंटेशन की फिटिंग, लागत इस तरह के व्यवहार में किए गए, और अविश्वसनीय डेटा 33 इकट्ठा करने का जोखिम। एक तकनीक के रूप में पदचिह्न पहचान संरक्षण प्रबंधन में एक और फायदा है। पारंपरिक ट्रैकिंग कौशल, और लागत प्रभावशीलता के आधार पर यह संरक्षण की निगरानी की प्रक्रिया में पहले से हाशिए पर स्थानीय समुदायों संलग्न कर सकते हैं। स्टैंडर 34 और 35 Liebenberg स्वतंत्र रूप से संबोधित किया और संरक्षण की निगरानी के कौशल और इन समूहों को शामिल करने की मूल्य अनुप्रमाणित।

    चीता की निगरानी के लिए पदचिह्न पहचान तकनीक की क्षमता में भविष्य के घटनाक्रम चल रहे हैं, और उम्र वर्ग एल्गोरिदम और सब्सट्रेट नियंत्रण (समय से अधिक व्यक्तियों के पैर आकृति विज्ञान में परिवर्तन सहित) के निर्माण के साथ मुक्त लेकर चीतों सत्यापन के लिए क्षेत्र के परीक्षणों में शामिल हैं। लेखकों को भी कंप्यूटर दृष्टि में तकनीक है कि छवि विभाजन मील का पत्थर अंक अंकन में सटीकता और स्थिरता के अनुकूलन करने की अनुमति की जांच कर रहे हैं।

    चूंकि पैरों के निशान सबसे सर्वव्यापी पशु संकेत में से एक है, और अक्सर हैं बहुत आसान जानवरों की तुलना में खुद को खोजने के लिए, पदचिह्न पहचान का व्यापक अपनाने खेल बदलने संरक्षण की निगरानी में हो सकता है। दुनिया के मुख्य संरक्षित स्थलीय क्षेत्रों सालाना 36 प्रति एक अनुमान के अनुसार आठ अरब मनोरंजन दर्शक प्राप्त करते हैं। आगंतुकों के अधिकांश अब smartphones ले। एप्लिकेशन का उपयोग कर एक WildTrack के लिए विकसित किया जा रहा पदचिह्न डेटा के संग्रह सरल और जल्दी हो सकता है और ई संभवतः कर सकता हैffect अभूतपूर्व नमूने का आकार और स्थानिक पैमाने के एक डेटा सेट। एक लागत प्रभावी डेटा संग्रह प्रोटोकॉल के साथ, पदचिह्न पहचान तकनीक आसानी से किसी भी संरक्षण उपकरण बॉक्स में जाल के लिए adapts। एक छवि वर्गीकरण प्रणाली के रूप में, यह मजबूत मॉडल भी चिकित्सा, फोरेंसिक में आवेदन कर सकते हैं, और कानून प्रवर्तन क्षेत्रों (जैसे, अवैध शिकार विरोधी) है।

    Disclosures

    इस वीडियो लेख के लिए प्रकाशन फीस एसएएस संस्थान, इंक द्वारा भुगतान किया गया

    Materials

    Name Company Catalog Number Comments
    Garden shovel
    Garden rake
    Substrate tamper
    River or builders sand
    Buckets
    Watering can or sprayer
    Digital camera
    Paper for Photo ID slips http://wildtrack.org/citizen-science/photographing-footprints/
    Carpenters' cm folding rule
    Laptop or desktop computer
    JMP software
    The footprint identification technique add-in to JMP software

    DOWNLOAD MATERIALS LIST

    References

    1. Durant, S., et al. Acinonyx jubatus. The IUCN Red List of Threatened Species. Version 2015.2. Available from: http://www.iucnredlist.org/details/219/0 (2015).
    2. Zanin, M., Palomares, F., Brito, D. What we (don't) know about the effects of habitat loss and fragmentation on felids. Oryx. 49, (1), 96-106 (2015).
    3. Nowell, K. Namibia cheetah conservation strategy. Ministry of Environment and Tourism, Government of Namibia. 78 (1996).
    4. Stein, A. B., Aschenborn, O., Kastern, M., Andreas, A., Thompson, S. Namibia Large Carnivore Atlas. Ministry of Environment and Tourism, Government of Namibia. 12 (2012).
    5. Jewell, Z. C., Alibhai, S. K. Identifying Endangered Species from Footprints. The International Society for Optics and Photonics (SPIE) Newsroom. (2013).
    6. Johnson, S., et al. Modeling the viability of the free-ranging cheetah population in Namibia: an object-oriented Bayesian network approach. Ecosphere. 4, (7), art 90 (2013).
    7. Purchase, G., Marker, L., Marnewick, K., Klein, R., Williams, S. Regional assessment of the status, distribution and conservation needs of cheetahs in southern Africa. Status and conservation needs of cheetahs in southern Africa. IUCN/Cat Specialist Group. Gland, Switzerland. 44-46 (2007).
    8. Lindsey, P. A., et al. Determinants of persistence and tolerance of carnivores on Namibian ranches: Implications for conservation on southern African private lands. PLoS ONE. 8, (1), e52458 (2013).
    9. Mendelsohn, J. Farming systems in Namibia; A publication for the Namibia National Farmers Union (NNFU). RAISON. Windhoek, Namibia. (2006).
    10. Marker, L., Dickman, A., Wilkinson, C., Schumann, B., Fabiano, E. The Namibian cheetah: Status report. Cat News. 3, 4-13 (2007).
    11. Boast, L. K., Good, K., Klein, R. Translocation of problem predators: is it an effective way to mitigate conflict between farmers and cheetahs Acinonyx jubatus. in Botswana? Oryx. (1365-3008), 1-8 (2015).
    12. Weise, F. J., Stratford, K. J., van Vuuren, R. J. Financial Costs of Large Carnivore Translocations - Accounting for Conservation. PLoS ONE. 9, (8), e105042 (2014).
    13. Marnewick, K., Funston, P. J., Karanth, K. U. Evaluating camera trapping as a method for estimating cheetah abundance in ranching areas. S. Afr. J. Wildl. Res. 38, (1), 59-65 (2008).
    14. Wachter, B., et al. The use of data from VHF and GPS radio-collared cheetahs to decrease conflicts between cheetahs and farmers in Namibia. Proceedings of the European Telemetry Conference, 26, 556-567 (2006).
    15. Kelly, M. J. Computer-aided photograph matching in studies using individual identification: an example from Serengeti cheetahs. J. Mammal. 82, (2), 440-449 (2001).
    16. Jewell, Z. C., Alibhai, S. K., Law, P. R. Censusing and monitoring black rhino (Diceros bicornis.) using an objective spoor (footprint) identification technique. J. Zool. 254, (1), 1-16 (2001).
    17. Alibhai, S. K., Jewell, Z. C., Law, P. R. A footprint technique to identify white rhino Ceratotherium simum at individual and species levels. Endanger. Species Res. 4, 205-218 (2008).
    18. Gu, J., Alibhai, S. K., Jewell, Z. C., Jiang, G., Ma, J. Sex determination of Amur tigers (Panthera tigris altaica) from footprints in snow. Wildl. Soc. Bull. 38, (3), 495-502 (2014).
    19. Jewell, Z. C., Alibhai, S. K., Evans, J. W. Monitoring mountain lion using footprints: A robust new technique. Wild Felid Monitor. 7, (1), 26-27 (2014).
    20. Panwar, H. S. A note on tiger census technique based on pugmark tracings. Indian For. (Special Issue), 70-77 (1979).
    21. Sagar, S. R., Singh, L. A. K. Technique to distinguish gender of tiger (Panthera tigris) from pugmarks. Indian For. 117, 24-28 (1993).
    22. Lewison, R., Fitzhugh, E. L., Galentine, S. P. Validation of a rigorous track classification technique: identifying individual mountain lions. Biol. Conserv. 99, (3), 313-321 (2001).
    23. Smallwood, K. S., Fitzhugh, E. L. A track count for estimating mountain lion Felis concolor californica population trend. Biol. Conserv. 71, (3), 251-259 (1995).
    24. Scharis, I., Rasmussen, G. S. A., Laska, M. Using morphometrics to quantitatively differentiate African wild dog footprints from domestic dog footprints - a pilot study. Afr. J. Ecol. 54, (1), 3-8 (2015).
    25. Gore, A. P., et al. Tiger census: role of quantification. Curr. Sci. 64, 711-714 (1993).
    26. McDougal, C. You can tell some tigers by their footprints with confidence. Riding the tiger. Seidensticker, J., Christie, S., Jackson, P. Cambridge University Press. Cambridge, England, United Kingdom. (1999).
    27. Sharma, S., Jhala, Y., Sawarkar, V. B. Gender discrimination of tigers by using their pugmarks. Wildl. Soc. Bull. 31, (1), 258-264 (2003).
    28. Sharma, S., Jhala, Y., Sawarkar, V. B. Identification of individual tigers (Panthera tigris) from their pugmarks. J. Zool. 267, (1), 9-18 (2005).
    29. Sharma, S., Wright, B. Monitoring tigers in Ranthambore using the digital pugmark technique. Wildlife Protection Society of India. New Delhi, India. (2005).
    30. Riordan, P. Unsupervised recognition of individual tigers and snow leopards from their footprints. Anim. Conserv. 1, (4), 253-262 (1998).
    31. Law, P. R., Jewell, Z. C., Alibhai, S. K. Using shape and size to quantify variation in footprints for individual identification: case study with white rhino (Ceratotherium simum). Wildl. Soc. Bull. 37, (2), 4-33 (2013).
    32. Laity, K. M. Field Validation of the Footprint Identification Technology on Free-roaming Cheetahs in Namibia. Duke University. (2015).
    33. Jewell, Z. Effect of monitoring technique on quality of conservation science. Conserv. Biol. 27, (3), 501-508 (2013).
    34. Stander, P. E., Ghau, I., Tsisaba, D., Oma, I., Vi, I. Tracking and the interpretation of spoor: a scientifically sound method in ecology. J. Zool. 242, (2), 329-341 (1997).
    35. Liebenberg, L., Blake, E., Steventon, L., Benadie, K., Minye, J. Integrating traditional knowledge with computer science for the conservation of biodiversity. 8th International Conference on Hunting and Gathering Societies Foraging and Post-Foraging Societies: History, Politics, and Future, 26-30 (1998).
    36. Balmford, A., et al. Walk on the Wild Side: Estimating the Global Magnitude of Visits to 649 Protected Areas. PLoS Biol. 13, (2), e1002074 (2015).

    Comments

    0 Comments


      Post a Question / Comment / Request

      You must be signed in to post a comment. Please or create an account.

      Usage Statistics