В статье автор исследует процесс пространственно-явного учета животных с использованием пакета secr на языке программирования R.
Ключевые слова: R, secr, метод, пространственный анализ.
Данная статья рассматривает основные возможности пакета secr в языке программирования R — мощного инструмента для пространственно-явного анализа мечения и повторных отловов. Он активно используется в экологии для оценки численности и распределения животных, особенно когда важно учитывать их пространственное размещение [1].
Методы мечения и повторного отлова применяются в экологических исследованиях для оценки численности популяции животных, которых невозможно пересчитать напрямую [2]. Однако традиционные подходы не всегда учитывают пространственное положение ловушек и перемещения особей. Именно здесь на помощь приходит пакет secr, реализующий пространственные модели поимки.
Пакет secr позволяет:
— оценивать плотность животных с учётом их пространственного распределения;
— использовать различные детекторы (ловушки, камеры, следовые площадки);
— настраивать вероятностные модели обнаружения;
— визуализировать данные поимки и полученные оценки на карте.
Пакет secr предлагает богатый функционал. Вот ключевые функции, используемые в типичном анализе:
— read.capthist() — загружает данные об отлове в формате capture history (история отлова), включая координаты ловушек;
— make.mask() — создает пространственную маску (сетку точек), на которой будет моделироваться плотность;
— secr.fit() — строит модель на основе данных отлова и маски;
— plot() — визуализирует маску, ловушки и результат моделирования;
— predictDsurface() — оценивает плотность животных на всей маске;
— Dsurface() — строит поверхность плотности;
— summary() — дает сводку по результатам модели.
Рассмотрим классический пример с использованием встроенных данных «ovenCH» — результат поимки овсянок в нескольких точках.
Таблица 1
Обзор данных из набора «ovenCH»
Session |
BirdID |
Sex |
Occasion |
TrapID |
DetectorType |
Notes |
2005 |
1234.00001 |
M |
1 |
A1 |
multi |
первая поимка |
2005 |
1234.00001 |
M |
3 |
B2 |
multi |
повторный отлов |
2005 |
2345.00002 |
F |
1 |
C3 |
multi |
первая поимка |
… |
… |
… |
… |
… |
… |
… |
2009 |
3456.00003 |
M |
5 |
A7 |
multi |
смерть в ловушке (−) |
В таблице 1 представлены данные из набора. Описание столбцов:
— Session: годовая сессия (2005–2009).
— BirdID: уникальный идентификатор маркированной птицы (например, 1234.00001).
— Sex: пол: M — самец, F — самка.
— Occasion: номер дня/окра в рамках сезона (например, 1…9).
— TrapID: ID ловушки (условное обозначение сетки).
— DetectorType: тип дектектора — в ovenCH это «multi»
— Notes: дополнительные примечания; например, повторный отлов или отрицательная отметка при смерти.
Рис. 1. Реализация пространственного анализа
На рисунке 1 сначала создаётся маска пространственного поиска, указывая радиус, с которым животные могут быть обнаружены, используя функцию make.mask(). Параметр buffer в функции make.mask() пакета secr определяет ширину зоны вокруг ловушек, в пределах которой строится пространственная маска.
Затем строится модель с помощью функции secr.fit(), параметр detectfn = «HN» — указывает модель функции обнаружения (Half-Normal), которая предполагает, что вероятность поймать животное уменьшается с расстоянием от центра активности.
Используя функцию summary() можно посмотреть сводку о построенной модели. Далее строится поверхность плотности с помощью функции predictDsurface(). Данные преобразовываются в длинный формат в виде датафрейма для удобного построения визуализации. Функция ggplot используется для построения графика, в данном случае в виде тепловой карты, представленной на рисунке 2.
Рис. 2. Пространственное распределение плотности по годам
Модель покажет, где плотность животных выше (например, возле водоема или кормовой базы), а где — ниже. Это важно для принятия решений в области охраны природы: где устанавливать заповедники, как планировать маршруты наблюдений и т. д.
На графике видно, что в течение 5 лет, с 2005 по 2009 год, плотность животных почти не изменялась.
Пакет secr — мощный инструмент для зоологов, экологов и исследователей дикой природы. Он позволяет не просто считать животных, а оценивать их плотность с учетом географического пространства. Это открывает новые горизонты для анализа популяций, особенно в сочетании с данными с фотоловушек или меток GPS.
Литература:
1. secr: Spatially Explicit Capture-Recapture Models [Электронный ресурс] — https://cran.r-project.org/package=secr (дата обращения: 05.06.2025)
2. Методы оценки размеров популяции [Электронный ресурс] URL: https://studfile.net/preview/6877960/ (дата обращения 10.06.2025)