CN114943381B - 一种野生动物识别及其种群规模估算的方法 - Google Patents
一种野生动物识别及其种群规模估算的方法 Download PDFInfo
- Publication number
- CN114943381B CN114943381B CN202210632424.4A CN202210632424A CN114943381B CN 114943381 B CN114943381 B CN 114943381B CN 202210632424 A CN202210632424 A CN 202210632424A CN 114943381 B CN114943381 B CN 114943381B
- Authority
- CN
- China
- Prior art keywords
- wild
- wild animal
- factors
- habitat
- animal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 241001465754 Metazoa Species 0.000 title claims abstract description 127
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000009826 distribution Methods 0.000 claims abstract description 33
- 238000011160 research Methods 0.000 claims abstract description 17
- 238000011835 investigation Methods 0.000 claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 241000283074 Equus asinus Species 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 19
- 230000007613 environmental effect Effects 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 10
- 238000013136 deep learning model Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012876 topography Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 5
- 244000144980 herd Species 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 6
- 230000008859 change Effects 0.000 abstract description 3
- 238000012937 correction Methods 0.000 description 10
- 238000013519 translation Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种野生动物识别及其种群规模估算的方法，包括：样线调查研究区域的野生动物种群分布；研究区域野生动物栖息地分布预测及分级；研究区域四个级别栖息地野生动物数量估算；估算值精度检测与校正。本实施例中通过对藏北高原野生动物(如藏野驴)的样线调查、无人机监测与跟踪、栖息地分级与种群规模估算，采用人工和机器相结合的方法发展了种群规模估算的方法论，解决了栖息地难以进入、人工计数费时费力等问题，提升了野生动物种群规模估算的效率与精确度，为野生动物保护提供数据支持、为人类活动提供决策性参考以及缓解野生动物栖息地与规模变化带来的人兽冲突等。
Description
技术领域
本公开涉及动物地理与资源遥感领域，尤其涉及一种识别并估算野生动物种群规模的方法。
背景技术
生物资源是人类赖以生存和发展的自然基础，是生态系统平衡与稳定的有力保障。野生动物资源是生物资源的重要组成部分，具有珍稀性和生命脆弱性，保护和合理利用野生动物资源对可持续发展有着重要意义。
早期的野生动物的研究者们大多采用样点、样线对不同物种的栖息地分布范围进行调查研究，由于部分区域难以进入，野外调查难度极大。人工计数的方法费时费力，统计结果不够精确。随着计算机人工智能的发展，采用人工和机器相结合的方法来估算野生动物的规模，可以提升种群规模估算的效率以及精度。
基于此，一种能有效解决栖息地难进入，且人工耗时耗力大，精度准确的估算野生动物种群规模的方法是目前行业内急需的。
发明内容
鉴于上述不足，本公开提供一种野生动物识别及其种群规模估算的方法，以解决栖息地难以进入、人工计数费时费力等问题，提升了野生动物识别及其种群规模估算的效率与精确度，为野生动物保护提供数据支持、为人类活动提供决策性参考以及缓解野生动物栖息地与规模变化带来的人兽冲突等。
本发明是通过如下手段实现的：
本发明提供了一种野生动物识别及其种群规模估算的方法，包括：
样线调查研究区域野生动(如藏野驴、藏牦牛等)物栖息地分布；
研究区域野生动物栖息地分布预测与分级；
研究区域所述分级上野生动物种群规模估算；以及
估算值精度检测与校正。
进一步的，所述样线调查研究区域野生动物栖息地分布包括：
获取所述栖息地的气候、地形、食物、水源、人为特征；
记录并计算野生动物点位数据；以及
收集所述样线调查途径野保站逐日野生动物统计数据。
进一步的，确定所述野生动物的经纬度包括：
获取所述野生动物的经纬度数据，雌雄数量，幼崽数量，观测距离，野生动物实际肩高，观测肩高；
计算所述野生动物的经纬度；
其中，计算经度就是观测经度与水平平移的距离除以当前纬度切面周长之和，计算纬度就是观测纬度与垂直平移的距离除以地球纵向周长之和。
进一步的，野生动物栖息地分布预测与分级包括：
选取可能与所述野生动物栖息地分布有关的(如河流、地形)与人为因子(如人工草场、居民点等)；
构建所述环境因子、人为因子与已知野生动物栖息地分布之间的定性关系；以及
根据所述定性关系与所述环境因子、人为因子推算未知野生动物栖息地分布。
进一步的，所述确定环境因子、人为因子与已知栖息地分布之间的定性关系包括：
所述环境因子包括但不限于：气候因子、地形因子、食物因子、水源因子；
所述人为因子包括但不限于：点(牧户)、线(道路)、面(村庄)；
所述定性关系包括：构建每个环境因子、人为因子与所述已知野生动物栖息地分布之间的响应曲线，并所述各个因子进行排序，选取前10因子进行所述规模估算的研究。
进一步的，确定所述定性关系与所述环境因子、人为因子推算未知野生动栖息地分布包括：
利用推算出的定性关系的所述响应曲线，计算所述未知区域野生动物分布的概率情况，将概率值划分为高、中、低、极低四种，分别命名为栖息地分布的极重要区域、重要区域、一般重要、非栖息地四个级别栖息地。
进一步的，确定所述研究区域所述分级上野生动物规模估算包括：
利用筛选出的前10因子与已知经纬度的野生动物数量构建定量关系；
利用所述定量关系与前10因子估算未知经纬度的野生动物数量；以及
利用所述4个级别栖息的概率值校正野生动物的数量。
进一步的，确定所述估算值精度检测与校正包括：
样线调查数据精度检测；
野保站逐日野生动物统计数据精度检测；以及
野生动物无人机监测与跟踪精度检测。
进一步的，确定所述样线调查数据进度检测包括：
样线调查的70％数据作为训练集；
样线调查的30％数据作为验证集。
进一步的，确定所述野保站逐日野生动物统计数据精度检测包括：
对野保站逐日数据进行收集，并剔除异常数据。
进一步的，确定所述野生动物无人机监测与跟踪精度检测包括：
研究区域野生动物无人机拍摄；
野生动物深度学习模型训练，现今，未有公开的野生动物识别模型，需要运用深度学习模型训练；以及
野生动物目标检测，运用训练完成的深度学习模型进行无人机视频流野生动物检测。
进一步的，确定所述精度与校正包括：
由于每个人研究区域的差异性，无人机无法进行飞行、研究区域未设立野报站等情况，选择一种校正方式即可，多种方式精度检测与校正效果更佳。
本发明的有益效果在于：
本发明通过对野生动物藏野驴的样线调查、无人机监测与跟踪、栖息地分级与种群规模估算，采用人工和机器相结合的方法发展了种群规模估算的方法论，解决了栖息地难以进入、人工计数费时费力等问题，提升了野生动物种群规模估算的效率与精确度，为野生动物保护提供数据支持、为人类活动提供决策性参考以及缓解野生动物栖息地与规模变化带来的人兽冲突等。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是实施例1示出的一种野生动物种群规模估算流程图；
图2是实施例1示出的一种野生动物点位计算框图；
图3是实施例1示出的一种野生动物栖息地分布预测与分级流程图；
图4是实施例1示出的一种野生动物数量计算流程图；
图5是实施例1示出的一种估算精度检测与校正流程图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的例子。
早期的野生动物研究者们大多采用样点、样线调查对不同物种的栖息地分布范围进行调查研究，结果较为可靠，由于某些研究区域地理位置的特殊性，大部分研究区域难以进入，野外调查难度极大，为解决此问题，参考图1采用人工与机器相结合的方法对野生动物的种群规模进行估算，从而提升估算的效率与精度。
实施例1
一种野生动物识别及其种群规模估算的方法，应用于人工调查难以到达的研究区域，包括：
(1)样线调查研究区域野生动物(如藏野驴、藏牦牛等)栖息地分布，包括：
①获取所述栖息地的气候、地形、食物、水源、人为特征；
②记录并计算野生动物点位数据：获取所述野生动物的经纬度数据，雌雄数量，幼崽数量，观测距离，野生动物实际肩高，观测肩高；计算所述野生动物的经纬度，计算经度就是观测经度与水平平移的距离除以当前纬度切面周长之和，计算纬度就是观测纬度与垂直平移的距离除以地球纵向周长之和；
③收集所述样线调查途径野保站逐日野生动物统计数据。
(2)研究区域野生动物栖息地分布预测与分级，包括：
①选取可能与所述野生动物栖息地分布有关的环境因子(如河流、地形)与人为因子(如人工草场、居民点等)；
②构建所述环境因子、人为因子与已知野生动物栖息地分布之间的定性关系，包括：
环境因子从气候因子、地形因子、食物因子、水源因子等方面选取；人为因子从点(牧户)、线(道路)、面(村庄)等方面选取；定性关系，构建每个环境因子、人为因子与所述已知野生动物栖息地分布之间的响应曲线，并对各个因子进行排序，选取前10因子进行要求规模估算的研究。
③根据所述定性关系与所述环境因子、人为因子推算未知野生动物栖息地分布，包括：
利用推算出的定性关系的所述响应曲线，计算未知区域野生动物分布的概率情况，将概率值划分为高、中、低、极低四种，分别命名为栖息地分布的极重要区域、重要区域、一般重要、非栖息地四个级别栖息地。
(3)研究区域所述分级上野生动物种群规模估算，包括：
①利用筛选出的前10因子与已知经纬度的野生动物数量构建定量关系；
②利用定量关系与前10因子估算未知经纬度的野生动物数量；
③利用4个级别栖息的概率值校正野生动物的数量。
(4)估算值精度检测与校正，包括：
①样线调查数据精度检测，包括：
样线调查的70％数据作为训练集，样线调查的30％数据作为验证集；
②野保站逐日野生动物统计数据精度检测，对野保站逐日数据进行收集，并剔除异常数据；
③野生动物无人机监测与跟踪精度检测，包括：
研究区域野生动物无人机拍摄；
野生动物深度学习模型训练，现今，未有公开的野生动物识别模型，需要运用深度学习模型训练；
野生动物目标检测，运用训练完成的深度学习模型进行无人机视频流野生动物检测；
由于每个人研究区域的差异性，无人机无法进行飞行、研究区域未设立野报站等情况，选择其中一种校正方式即可，多种方式精度检测与校正效果更佳。
图2是根据实施例1给出的一种野生动物点位计算框图，参考图2计算野生动物的经纬度，计算动物出现的经度就是观测经度与水平平移的距离除以当前纬度切面周长之和，计算动物出现的纬度就是观测纬度与垂直平移的距离除以地球纵向周长之和。公式：
从样线调查中分析与计算得出野生动物的点位数据、种群数量，参考图3选取环境与人为这两大类因子，构建其与已知区域野生动物栖息地之间的定性关系并且得出每个因子与栖息地分布的响应曲线，运用定性响应关系和两大类因子去模拟未知区域野生动物栖息地分布，并将研究区域分为极重要、重要、一般重要、非重要四级，最后将因子进行排序剔除非重要因子。
参考图4根据实施例1给出的一种野生动物数量计算流程图，在四个级别的栖息地上构建重要因子与已知点位野生动物规模的定量关系，利用运算得出的定量关系结合图3流程中筛选出的重要因子计算得出四个级别栖息地上未知点位野生动物的种群规模。
对于精度检测与校正，本示例性实施中给出了三种方式，参考图5根据实施例1给出的一种估算精度检测与校正流程图，基于研究区域的现有条件，可选择其中一种方式进行验证，选择三种方式验证效果更佳。
方式一，样线调查的70％数据作为训练集，样线调查的30％数据作为验证集；
方式二，对野保站逐日数据进行收集，并剔除异常数据；
方式三，研究区域野生动物无人机拍摄。
现今，未有公开的野生动物识别模型，需要运用深度学习模型训练，运用训练完成的深度学习模型进行无人机视频流野生动物检测。
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (2)
1.一种野生动物识别及其种群规模估算的方法，包括：
（1）样线调查研究区域野生动物栖息地分布：
获取栖息地的气候、地形、食物、水源、人为特征；
记录并计算野生动物点位数据：获取野生动物的经纬度数据，雌雄数量，幼崽数量，观测距离，野生动物实际肩高，观测肩高，野生动物为藏野驴、藏牦牛；收集样线调查途径野保站逐日野生动物统计数据；
野生动物的经纬度计算公式如下：
(1)
(2)
其中：d表示人与野生动物之间的实际距离；
a是观测者的位置，longa表示观测者的经度，lata表示观测者的纬度；
b是野生动物的位置，longb表示野生动物的经度，latb表示野生动物的纬度；
是观测角度；
R是地球中心到其表面的平均距离；
（2）研究区域野生动物栖息地分布预测与分级：
选取与野生动物栖息地分布有关的环境因子与人为因子；环境因子包括：气候因子、地形因子、食物因子、水源因子；人为因子包括：牧户、道路、村庄；
构建环境因子、人为因子与已知野生动物栖息地分布之间的定性关系；该定性关系包括：构建每个环境因子、人为因子与已知野生动物栖息地分布之间的响应曲线，并对各个因子进行排序，选取前10因子进行研究；以及
根据定性关系与环境因子、人为因子推算未知野生动物栖息地分布；
（3）研究区域分级上野生动物种群规模估算：
利用定性关系筛选出前10因子与已知经纬度的野生动物数量构建定量关系；
利用定量关系与前10因子估算未知经纬度的野生动物数量；以及
利用4个级别栖息的概率值校正野生动物的数量，得到的概率值分为：高、中、低、极低级别，分别命名为：栖息地分布的极重要区域、重要区域、一般重要、非栖息地；
估算值精度检测与校正：
样线调查数据精度检测：样线调查的70％数据作为训练集，样线调查的30％数据作为验证集；
野保站逐日野生动物统计数据精度检测；
野生动物无人机监测与跟踪精度检测。
2.根据要求1所述的方法，其中：
所述野生动物无人机监测与跟踪精度检测包括：
研究区域野生动物无人机拍摄；
野生动物深度学习模型训练；以及
野生动物目标检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210632424.4A CN114943381B (zh) | 2022-06-06 | 2022-06-06 | 一种野生动物识别及其种群规模估算的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210632424.4A CN114943381B (zh) | 2022-06-06 | 2022-06-06 | 一种野生动物识别及其种群规模估算的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114943381A CN114943381A (zh) | 2022-08-26 |
| CN114943381B true CN114943381B (zh) | 2023-11-21 |
Family
ID=82909269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210632424.4A Active CN114943381B (zh) | 2022-06-06 | 2022-06-06 | 一种野生动物识别及其种群规模估算的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114943381B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106294289A (zh) * | 2016-08-25 | 2017-01-04 | 环境保护部南京环境科学研究所 | 一种保护动物的生态红线划定方法 |
| CN106446331A (zh) * | 2016-08-13 | 2017-02-22 | 中国环境科学研究院 | 怒江金丝猴栖息地识别和监测方法 |
| CN109767040A (zh) * | 2019-01-15 | 2019-05-17 | 上海海洋大学 | 基于栖息地指数的秋刀鱼中心渔场预测方法 |
-
2022
- 2022-06-06 CN CN202210632424.4A patent/CN114943381B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106446331A (zh) * | 2016-08-13 | 2017-02-22 | 中国环境科学研究院 | 怒江金丝猴栖息地识别和监测方法 |
| CN106294289A (zh) * | 2016-08-25 | 2017-01-04 | 环境保护部南京环境科学研究所 | 一种保护动物的生态红线划定方法 |
| CN109767040A (zh) * | 2019-01-15 | 2019-05-17 | 上海海洋大学 | 基于栖息地指数的秋刀鱼中心渔场预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 《Pest Bird Density Forecast of Transmission Lines by Random Forest Regression Model and Line Transect Method》;Qingdong Zhou 等;《ICCSS》;Pest Bird Density Forecast of Transmission Lines by Random Forest Regression Model and Line Transect Method * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114943381A (zh) | 2022-08-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Parsons et al. | Do occupancy or detection rates from camera traps reflect deer density? | |
| Marzluff et al. | Relating resources to a probabilistic measure of space use: forest fragments and Steller's jays | |
| Baasch et al. | An evaluation of three statistical methods used to model resource selection | |
| Alexander et al. | On the high trail: examining determinants of site use by the Endangered snow leopard Panthera uncia in Qilianshan, China | |
| Mueller et al. | Using citizen science to inform urban canid management | |
| Erb et al. | Detecting long‐term population trends for an elusive reptile species | |
| Johnson et al. | Using occupancy-based camera-trap surveys to assess the Critically Endangered primate Macaca nigra across its range in North Sulawesi, Indonesia | |
| ENETwild Consortium et al. | Guidance on estimation of abundance and density data of wild ruminant population: methods, challenges, possibilities | |
| Waluda et al. | Assessing penguin colony size and distribution using digital mapping and satellite remote sensing | |
| Niemuth et al. | Representation of landcover along breeding bird survey routes in the Northern Plains | |
| Tang et al. | Priority areas identified through spatial habitat suitability index and network analysis: Wild boar populations as proxies for tigers in and around the Hupingshan and Houhe National Nature Reserves | |
| Kluever et al. | The influence of road characteristics and species on detection probabilities of carnivore faeces | |
| CN114943381B (zh) | 一种野生动物识别及其种群规模估算的方法 | |
| Loraamm et al. | A time‐geographic approach to quantifying wildlife–road interactions | |
| Stratman et al. | Using infrared cameras and skunk lure to monitor swift fox (Vulpes velox) | |
| Dienes | Multi-state analysis of August roadside surveys for monitoring ring-necked pheasant and northern bobwhite populations | |
| Jensen et al. | Predicting the distribution of Tawny Owl (Strix aluco) at the scale of individual territories in Denmark | |
| Tytar et al. | Distribution modeling of the long-tailed marmot (Marmota caudata) for objectives of directing field surveys and ground validation of the snow leopard (Panthera uncia) habitat quality | |
| Fox et al. | Spatial analysis of high resolution aerial photographs to analyze the spread of mountain pine beetle infestations | |
| Zufiria et al. | Mobility profiles and calendars for food security and livelihoods analysis | |
| Stuhler et al. | Efficacy of remote sensing technologies for burrow count estimates of a rare kangaroo rat | |
| Pastoors | Report on 2020 scientific research projects | |
| Feldman et al. | Temporal variability in the way local habitat affects duck population growth | |
| Ellis et al. | Data integration reveals dynamic and systematic patterns of breeding habitat use by a threatened shorebird | |
| Edney et al. | Using citizen science image analysis to measure seabird phenology |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |