无人机监测策略中动物移动与分布对采样误差的评估研究

针对无人机(UAS)监测移动动物时因重叠航拍导致的计数误差问题，研究人员通过基于智能体建模(ABM)模拟九种动物分布与运动模式，对比割草式航拍、带状样带和系统点计数等策略。发现覆盖50%调查区域的多条间隔样带能显著降低计数偏差，为野生动物无人机监测设计提供关键方法论支撑。

　　

野生动物种群监测是生态保护的核心课题，但传统方法面临巨大挑战：地面调查受限于地形可达性，有人机航拍成本高昂且风险较大。随着无人机(Unoccupied Aircraft Systems, UAS)技术的普及，这种兼具安全性与经济性的工具被广泛应用于动物监测。然而鲜有研究关注一个潜在问题——当监测对象是移动的动物群体时，常规的航拍重叠设计可能导致严重的计数误差。

现有无人机监测通常采用40-80%影像重叠的"割草式"航迹生成正射影像(orthomosaic)，这种设计在测绘静态地物时表现优异，但对移动生物体可能产生"幽灵计数"现象：同一只动物在不同重叠影像中被重复记录。更复杂的是，动物空间分布模式（随机分布vs集群分布）与运动特性（随机游走、相关随机游走）可能进一步放大误差。美国密西西比州立大学的研究团队在《Ecological Modelling》发表的研究，通过基于智能体建模(Agent-Based Modeling, ABM)技术，首次系统评估了不同无人机航拍策略对移动动物计数的准确性影响。

研究采用Python 3.9构建ABM框架，模拟9只动物在4.16 km²区域内的三种运动模式（随机游走、相关随机游走、静止）与两种空间分布（随机、集群）。无人机参数设定为20MP相机、6.8mm焦距、61m飞行高度，对比四种航拍策略：传统重叠割草式、无重叠割草式、带状样带和系统点计数。通过1000次重复模拟，采用回归树分析变量重要性(Variable Importance, VI)。

主要发现

1. 航拍策略主导计数准确性：VI分析显示航拍模式对计数准确性的贡献度达96%，远高于动物运动方式(3%)和分布类型(1%)。带状样带策略表现最优，系统点计数误差最大。
2. 动物分布影响计数精密度：集群分布使计数变异系数增加42%，随机分布仅增加1%。
3. 运动模式与航拍策略的交互效应：重叠割草式在监测相关随机游走动物时会产生17.3%的过高计数，而间隔样带能将误差控制在4.2%以内。

讨论与意义
该研究首次量化了动物移动特性与无人机监测设计的交互效应，推翻"正射影像最优"的传统认知。提出覆盖50%调查区域的间隔样带策略，既能规避电池续航限制，又可减少移动个体重复计数。这一发现对监测迁徙水鸟、集群有蹄类等移动物种具有特殊价值，为《生物多样性公约》要求的种群精准评估提供方法论支持。未来研究可结合具体物种活动节律优化样带间隔，并开发运动补偿算法进一步提升监测精度。

作者团队致谢
研究由密西西比州立大学FWRC和MAFES资助，使用该校高性能计算资源完成。第一作者Emma A. Schultz强调该方法可扩展至两栖类与海洋哺乳动物监测，但需注意不同类群运动速率的参数调整。