Sistema de monitoramento experimental

O sistema de monitoramento experimental consiste em um conjunto de parâmetros para rastrear o comportamento da espécie, as práticas de mobilidade dos visitantes e a detecção de riscos:

  • Transmissores de GPS: são programados para coleta de dados e com agendamento de download; há um zoneamento em torno do ninho.
  • SoftwareAxis Station: O Axis Loitering Guard rastreia objetos em movimento e aciona alertas (por exemplo, um usuário existe na trilha por um período de tempo x), alertas sonoros e notificações quando um limite é excedido. O Axis Fend Guard detecta eventos de interação (por exemplo, o pássaro deixa o próximo, dois usuários deixam a trilha).
  • Alertas para possível mortalidade, possível expulsão de território, ausências no ninho, usuários próximos ao ninho e limites de ruído.
  • Outros dados relacionados ao uso da trilha por tipo de usuário e ao processo de reprodução da águia de Bonelli.
  • Relatórios anuais sobre mobilidade espacial de aves de rapina, relatórios semestrais sobre interações e eventos críticos.

É essencial contar com um software simples de usar e programado com os parâmetros desejados. É fundamental tornar os parâmetros tão relevantes quanto possível para as necessidades específicas de monitoramento e tão concisos quanto possível para que os gerentes do parque possam fazer um acompanhamento adequado e responder a quaisquer alertas.

Deve-se observar que certas situações que envolvem a vida selvagem não podem ser controladas. Por exemplo, em nosso caso, enfrentamos a falha de reprodução do par de águias de Bonelli, o que modificou parcialmente o objetivo do monitoramento.

Embora o uso de um software de gerenciamento de alertas mais sofisticado baseado em inteligência artificial esteja sendo explorado, um software simples como o Axis Station pode ser suficiente para começar a desenvolver um programa de monitoramento funcional que notifique eventos de risco críticos. Os processos e procedimentos para gerenciamento de pré-alertas e coleta e análise de dados precisam ser periodicamente otimizados com base nas lições aprendidas durante o processo.