I sin doktorgrad har Mahdieh Tourani optimalisert statistiske metoder for bruk av ikke-invasive metoder til viltovervåking, for eksempel kamerafangst og genetiske prøver. Hun har brukt hierarkisk-analytiske modeller til å takle problemer tilknyttet kartlegging av store rovdyr.
Hvor mange jerv finnes innenfor Norges grenser? Hvor vandrer brunbjørnene i Himalaya? En viktig del av viltforvaltningen er kunnskap om bestandenes dynamikk og utbredelse.
– Denne typen kunnskap er et viktig verktøy for å sette bestandsmål og prioriteringer, og ikke minst evaluere tiltak, sier ph.d.-kandidat Mahdieh Tourani.
– Viltovervåking, som i praksis er å telle og registrere tilstedeværelse av arter og individuelle dyr for å utlede om hvor mange og hvor de er. Viltovervåking gjør det mulig å vurdere en bestands status og ta informerte beslutninger om hvilke forvaltningstiltak som eventuelt skal iverksettes.
Imidlertid kan det være vanskelig å skaffe seg pålitelige estimater for dyrebestander. Mange arter er sjeldne, spredd over enorme avstander og/eller skyr mennesker. Det kan være både vanskelig og kostnadskrevende å registrere sin tilstedeværelse.
Nye metoder for overvåking
Utviklingen av overvåkingsmetoder som ikke forstyrrer dyrene, såkalte «ikke-invasive metoder», har gjort det mulig å skaffe informasjon om dyrenes liv og adferd på tvers av landskap og bestander, i stedet for et lavt antall steder eller noen få individer.
– De to mest populære og utbredte ikke-invasive metodene for kartlegging av dyr er kamerafangst og genetisk prøvetaking, forklarer Tourani.
Lettere å dekke store, avsidesliggende områder
En av fordelene med ikke-invasive metoder er at de ikke krever fangst og håndtering av dyrene. Disse metodene er spesielt nyttige i studien av ville populasjoner, der det vil være skadelig om dyrene venner seg til menneskelig tilstedeværelse.
I tillegg gjør ikke-invasive metoder det mer gjennomførbart å dekke hele landskap og oppdage en større andel av bestanden. Metodene er spesielt nyttige for å studere arter der direkte observasjon ofte ikke er mulig, enten fordi arten aktivt unngår mennesker og lever i avsidesliggende områder, eller fordi de naturlig forekommer i lave tettheter.
Forbedre metoder
Til tross for de teknologiske fremskrittene med overvåkingsmetoder, har de komplementære analytiske metodene imidlertid ikke klart å henge helt med i svingene.
Tourani forklarer at forskerne kun nå nylig har begynt å utnytte potensialene til ikke-invasivt innhentede data for fullt.
– Min avhandling håndterer utfordringer som anvendte økologer vanligvis står overfor, forklarer Tourani.
– Å studere ville dyr i deres naturlige habitat er betyr at vi jobber med ufullstendige data.
– Vi behøver derfor modeller som lar oss bruke all tilgjengelig informasjon. For eksempel kombinere data fra flere metoder, eller data om døde dyr.
Tourani sitt arbeid inkluderer simuleringer av virkelige scenarier, modelltilpasninger og casestudier. I arbeidet har hun brukt data på en rekke arter, inkludert jerv, mellomstore rovdyr i Skandinavia og brunbjørn i Himalaya.
Skille observasjon fra økologi
Målet med forskningen hennes var å bruke moderne hierarkiske analysemodeller på flere sett med overvåkingsdata for rovdyr for å adressere en rekke konseptuelt og metodisk sammenhengende problemer.
Hierarkisk modellering gir økologer en mulighet til å løse problemer tilknyttet observasjon og økologiske prosesser på flere nivå.
– Alle de hierarkiske modellene jeg har jobbet med, tar hensyn til ufullkommen deteksjon, noe som er et sentralt aspekt, sier hun.
Øker sannsynligheten for å registrere dyrene
Tourani har kvantifisert hvor lett det er å registrere mellomstore rovdyr ved hjelp av kamerafeller. Hun har sett nærmere på de statistiske effektene av dyras reaksjoner på kartleggingsutstyr, og hvordan bruken av lukt for å tiltrekke dyra påvirker detekterbarheten.
– Dersom vi bruker et mer mangefasettert perspektiv på detekterbarhet i kamerafeller, og knytter disse til artsbiologi, kan vi gi økologer og forvaltere en mer strukturert tilnærming til å velge og teste tiltak som øker sannsynligheten for å registrere dyr, sier hun.
Himalaya-brunbjørn
Tourani har innlemmet flere datakilder med varierende type informasjon i situasjoner hvor det er begrenset med tilgjengelige data, og har introdusert en prosessmodell for flere observasjoner i rammeverket for fangst-gjenfangst for å estimere bestandsparametere.
– Da jeg jobbet med denne modellen, brukte jeg overvåkingsdata basert på flere forskjellige metoder for en brunbjørnpopulasjon i Himalaya i Pakistan, kommenterer hun.
Storskala bruk av leveområde
Hvordan et dyr bruker sitt hjemmeområde er av stor interesse for naturforvaltere.
– I den forbindelse har jeg undersøkt om variasjoner i miljøet og kjønnsspesifikke mønstre påvirker størrelsen på jervens hjemmeområde i Norge, sier Tourani.
Hun gjorde dette ved å kun bruke ikke-invasivt innsamlede DNA-data og romlige fangst-gjenfangingsmodeller.
Størrelsen på studieområdet var massivt – hele 266 000 km2!
Tourani fortsetter:
– I tillegg til at det var effekter av landskapsfunksjoner som breddegrad på størrelsen på jervbestanden i Norge, viste det seg også at hannene i gjennomsnitt har større hjemmeområde enn hunnene. Det var også større variasjon i hjemmeområde blant hunner enn blant hanner.
Andvendt økologi
Touranis doktorgrad er en del av prosjektet WildMap - "Putting wildlife population dynamics on the map through spatially explicit estimation and forecasting", finansiert av Norges forskningsråd.
– Arbeidet mitt viser hvordan hierarkiske modeller kan brukes på ikke -invasivt innsamlede data for å gi svar på en rekke spørsmål innen anvendt økologi.
– Å takle de tilhørende utfordringene øker vår evne til å trekke slutninger som nærmere beskriver kompleksiteten i virkelige økologiske systemer, avslutter hun.
Fakta
