Uso delle fototrappole come supporto o sostituzione dei tradizionali metodi di monitoraggio

Camera traps are among the most versatile tools with the higher growth potential for wildlife monitoring, allowing a wide range of information to be collected about both the population and the individual animal. As a tool they allowed the development of new methods to estimate population density, such as Capture-Mark-Resight, or the Random Encounter Model (REM) for unmarked populations. The chance of being able to estimate population density using such a minimally invasive technique as camera trapping has aroused great interest among the scientific community, and further methods suited for unmarked populations have been developed; this shed light on one of the biggest issues, and currently the main limiting factor to the use of camera trapping in large scale studies, namely the sheer volume of photos and videos that need to be individually checked and recorded to have access to the data needed to estimate density. The aim of the thesis is to draw a comparison among the main methods currently used to estimate population density, asses the reliability of data, and compare their efficiency with traditional methods regarding the use of financial resources and human effort. Moreover, the main strengths and difficulties of AI powered open-source software used for species identification are reported, as well as whether it can effectively replace manual image control. Currently the most effective methods to estimate population density are the Random Encounter Model and the Camera Trapping Distance Sampling (CTDS).

Le fototrappole sono uno degli strumenti più flessibili e con il maggiore potenziale di crescita nell’ambito del monitoraggio faunistico, e forniscono un’ampia gamma di informazioni sia a livello di popolazione sia a livello individuale. Come strumento hanno permesso lo sviluppo di nuovi metodi per stimare la densità delle popolazioni come il Capture-Mark-Resight, o per popolazioni non marcate il Random Encounter Model (REM). La possibilità di valutare la densità di una popolazione tramite una tecnica minimamente invasiva come il fototrappolaggio ha riscosso un forte interesse nella comunità scientifica, e sono stati sviluppati ulteriori metodi applicabili alle popolazioni non marcate; questo ha portato alla luce una delle principali problematiche, e attualmente un fattore limitate all’utilizzo delle fototrappole sugli studi di larga scala, cioè la mole di foto e video che devono essere individualmente controllati e catalogati per avere i dati necessari per stimare la densità. Lo scopo di questa tesi è comparare le principali metodiche attualmente in uso per stimare la densità delle popolazioni, valutare l’attendibilità dei dati, e paragonarne l’efficacia rispetto ai metodi tradizionali, in termini di impiego di risorse, sia economiche sia umane. Inoltre vengono riportati i principali pregi e criticità dei software open source che utilizzano l’intelligenza artificiale per il riconoscimento fotografico delle specie, e se effettivamente possono sostituire il controllo manuale delle immagini. I metodi più efficaci per la stima della densità attualmente riconosciuti sono il REM e il Camera Trapping Distance Sampling (CTDS).