机载技术和人工智能集成的进步蕴含着巨大潜力，可进一步加强现有的基于无人机的鳄鱼监测方法。无人机硬件的改进，如延长飞行时间和提高相机分辨率的混合机型，可使栖息地覆盖范围更广，并在复杂环境中捕捉到更详细的图像。整合人工智能（AI）是简化图像分析的一个重要机会，可以利用异构模型自动检测鳄鱼并估算其大小。这些人工智能驱动的增强功能可提供近乎实时的数据处理，减少对耗时的人工分析的依赖。

这种改进目前正在开发中。2025 年 4 月，我们与恩贡代雷大学的学生和青年研究人员以及当地非政府组织在喀麦隆开展了一项实验研究，使用配备热像仪和探照灯的无人机，包括人工智能辅助的自动数据处理。

该模块旨在培养包括土著人民和当地社区 (IPLC) 在内的当地利益攸关方操作无人机的能力，使他们能够在保护工作中发挥积极作用。

所采用方法的易用性：

1. 只需最低限度的技术技能：
   用户只需接受无人机操作和从高分辨率图像中提取测量数据方面的基本培训。操作过程简单明了：
   • 按照标准化飞行协议驾驶无人机。
   • 在俯拍图像上标记鳄鱼。
   • 使用可用的图像分析工具（如 ImageJ、QGIS）测量可见头长。
   • 应用相应的异速方程或从预先准备好的表格（abaques）中查找，以估算总长度。
2. 适应性强：
   该框架使用易于阅读的表格（abaques），使专业人员和非专业人员都能使用，操作人员无需高级科学专业知识即可快速应用该方法。
3. 易于使用的设备：
   该方法依赖于消费级无人机和广泛使用的软件，确保经济实惠，减少采用障碍。

为什么有效？

该框架的简易性、可扩展性和可靠性使其适用于从偏远湿地到城市周边栖息地等各种环境。它使广大用户能够生成科学可靠的数据。

异速框架是一种非侵入式工具，旨在根据通过高分辨率无人机图像捕捉到的鳄鱼头部长度测量值估算鳄鱼的总体长。通过利用已确定的特定物种头身长度比，该方法无需进行实际捕捉或处理，从而降低了研究人员和野生动物的风险。经过对 27 个鳄鱼物种中 17 个物种的验证，该框架可以提供对种群监测和保护管理至关重要的可靠人口统计数据。

该框架采用易读的表格（abaques），非专业人员也可以使用，操作人员无需高级科学专业知识即可快速应用该方法。

了解人口结构对野生动物研究和保护至关重要。对于鳄科动物来说，准确估算总长度和种群等级通常需要近距离观察或捕捉，通常是捕捉部分浸入水中的个体，这可能会导致不准确性和风险。无人机技术为分类提供了一种无偏差、更安全的替代方法。本研究评估了无人机照片结合头长异构关系估算总长度的有效性，并提出了基于无人机的鳄鱼人口分类标准化方法。

这一组成部分为有效监测鳄鱼建立了标准化的飞行参数