El sistema de seguimiento experimental consiste en un conjunto de parámetros para seguir el comportamiento de la especie, las prácticas de movilidad de los visitantes y la detección de riesgos:
- Transmisores GPS: están programados para la recogida de datos y con una programación de descarga; hay una zonificación alrededor del nido.
- SoftwareAxis Station: Axis Loitering Guard realiza un seguimiento de los objetos en movimiento y activa alertas (por ejemplo, un usuario existe en el sendero durante x cantidad de tiempo), alertas sonoras y notificaciones cuando se supera un umbral. Axis Fend Guard detecta eventos de interacción (por ejemplo, el ave abandona el siguiente, dos usuarios abandonan el rastro).
- Alerta de mortalidad potencial, expulsión potencial del territorio, ausencias en el nido, usuarios cerca del nido y umbrales de ruido.
- Otros datos relacionados con el uso del sendero por tipo de usuario y el proceso de cría del águila perdicera.
- Informes anuales sobre movilidad espacial de rapaces, informes semestrales sobre interacciones y eventos críticos.
Es esencial contar con un software fácil de usar y programado con los parámetros deseados. Es fundamental que los parámetros sean lo más pertinentes posible para las necesidades específicas de vigilancia, y lo más concisos posible para que los gestores del parque puedan hacer un seguimiento adecuado y responder a cualquier alerta.
Hay que tener en cuenta que ciertas situaciones relacionadas con la fauna salvaje no se pueden controlar. Por ejemplo, en nuestro caso, nos enfrentamos al fracaso reproductivo de la pareja de águilas perdiceras, lo que modificó en parte el objetivo del seguimiento.
Aunque se está explorando el uso de un software de gestión de alertas más sofisticado basado en inteligencia artificial, un software sencillo como Axis Station puede ser suficiente para empezar a desarrollar un programa de supervisión que funcione y notifique los eventos de riesgo críticos. Los procesos y procedimientos de gestión previa a la alerta y de recopilación y análisis de datos deben optimizarse periódicamente en función de las lecciones aprendidas durante el proceso.