Skip to main content
European Commission logo
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

Mechanisms of collective predator detection and information transfer in African ungulates

Article Category

Article available in the following languages:

Pss! Laggiù, un predatore tra noi

Dimenticatevi le frecce sedative e il monitoraggio degli spostamenti dei singoli animali. Grazie alla ricerca finanziata dall’UE, i droni e l’analisi di video sofisticati ci stanno istruendo sul comportamento di vigilanza collettiva e il flusso di informazioni nelle mandrie di animali.

Ricerca di base icon Ricerca di base

Fino a poco tempo fa, gli ecologisti della fauna selvatica dovevano fare affidamento su sistemi di posizionamento globale (GPS) limitati nella loro capacità di rilevare comportamenti collettivi di animali per studi sul campo. Con il supporto del programma Marie Skłodowska-Curie, il progetto UNGULATE ha portato droni dotati di telecamere, visione artificiale e apprendimento automatico in Kenya per far luce sulle dinamiche di vigilanza collettiva e sul trasferimento di informazioni tra animali ungulati in branchi naturali.

L’insieme vale più della somma delle sue parti

Con il GPS, un animale che solleva il capo o è accovacciato può essere analizzato nel contesto di cose come la dimensione del gruppo, il sesso e lo stato riproduttivo. Tuttavia, il flusso di informazioni attraverso il gruppo è rimasto enigmatico. Blair Costelloe, borsista del progetto, osserva: «Abbiamo deciso di quantificare il comportamento di vigilanza dei singoli ungulati (che includono zebra, bufalo e impala) nelle mandrie naturali, per capire come queste strategie individuali generano modelli di vigilanza collettiva e come avvengono i trasferimenti di informazioni tra i singoli». Costelloe si è rivolta alla tecnologia moderna per gestire meglio le dinamiche di gruppo. Droni simili ad aerei ad ala fissa coprivano ampie aree e scattavano foto sovrapposte utilizzate per ricostruire una mappa 3D tramite fotogrammetria. Droni simili a elicotteri si libravano sopra le mandrie, girando video ad alta risoluzione. Reti neurali convoluzionali profonde, dove la profondità si riferisce a ogni «livello» di elaborazione per diversi aspetti, ad es. i bordi, sono state quindi utilizzate per addestrare il software a identificare accuratamente gli animali e differenziarli dall’ambiente. La serie di strumenti software del team, DeepPoseKit, è stata descritta in una recente pubblicazione eLife.

Un esperimento naturale (in qualche modo) controllato

Se Costelloe avesse dovuto aspettare per vedere gli animali reagire ai predatori naturali, la «dimensione del campione» sarebbe stata piccola o l’esperimento sarebbe stato estremamente lungo, anche se i dati osservazionali sarebbero stati ideali. Poiché gli animali nel suo sito non sono abituati alle persone, lei e il suo team hanno svolto il ruolo di «predatori». Costelloe ha registrato i livelli di attività di partenza in uno stato indisturbato prima di avvicinarsi agli animali. Quindi, come spiega, «abbiamo osservato il flusso di informazioni attraverso il gruppo quando i membri del team si sono avvicinati notando quando ogni animale ha sollevato la testa e ha guardato verso di noi. Lo confronteremo con le reti predittive basate sul contatto visivo, sulla distanza tra vicini o sullo stato comportamentale dei singoli». La capacità video ha aperto un mondo completamente nuovo sull’ecologia della fauna selvatica. Oltre al comportamento in tempo reale, Costelloe ha rilevato le intricate reti di sentieri realizzati dagli animali che si spostano attraverso il paesaggio nel tempo. Questi potrebbero costituire una sorta di «memoria» collettiva della comunità animale incisa sul paesaggio.

La caccia è iniziata

Il team sta ora lavorando con gestori e addetti alla conservazione della fauna selvatica in Kenya, nonché con informatici ed esperti di robotica, per sviluppare strumenti pratici per il rilevamento e il monitoraggio della fauna selvatica. Costelloe prevede di studiare il comportamento di vigilanza nelle mandrie di specie miste per valutare in che modo le «regole» all’interno delle specie potrebbero cambiare se si considerano più prede con diverse vulnerabilità. Sta anche cercando partner per studiare le risposte delle prede ai predatori reali. Il coordinatore del progetto Iain Couzin conclude: «È urgente sviluppare nuove tecnologie di imaging multiscala per i sistemi ecologici. Siamo di fronte a esigenze sempre più pressanti per capire in che modo stiamo influendo sulla vita sul nostro pianeta e sviluppare strumenti quantitativi per conservare la biodiversità». UNGULATE ha avuto un ottimo inizio.

Parole chiave

UNGULATE, animale, vigilanza, comportamento, collettivo, mandrie, droni, video, fauna selvatica, flusso di informazioni, ungulato, predatori, Kenya, preda, ecologia, conservazione, biodiversità

Scopri altri articoli nello stesso settore di applicazione