自然保護區亞洲象活動行為監測方法研究

李艷杰，召玉龍

(云南西雙版納國家級自然保護區科學研究所，云南 景洪 666100)

1 引言

因自然環境保護的較為完整，云南省西雙版納地區也成為我國首批自然保護區中的一個。首批西雙版納自然保護區共有4處，分別為勐侖、小勐養、大勐龍和勐臘[1]。發展到目前為止，西雙版納地區的自然保護區的規劃面積達到3.5萬hm2，生態環境適合30多種瀕危植物生長，容納國家保護動物高達100多種。野生的亞洲象就是其中的一種，亞洲象在西雙版納地區數量達到200多頭，但亞洲象作為大型動物，經常會出現在人類活動的范圍并對人類的財產進行破壞[2，3]。

野生動物一般不會主動到人類的生存范圍內活動[5]。經過相關學者的觀察和總結可知，造成野生亞洲象活動范圍超出賴以生存的原因有很多，其中的一個主要原因在于其棲息范圍不斷地縮小。幾十年來，西雙版納人口翻了一倍，人口的增多勢必要占用更多的土地和資源，與野生動物的需求發生了矛盾[6]。再加上偷獵行為屢禁不止，造成象群的恐慌和遷徙。遷徙后的土地沒有足夠的食物，象群只好冒險來人類的地盤覓食[7，8]。

為有效保護亞洲象群，對亞洲象活動行為展開監測變得十分重要，這也是幫助象群恢復正常生活的重要一步。為此，本研究設計了自然保護區亞洲象活動行為監測方法。

2 亞洲象活動行為監測方法設計

2.1 利用聲音監測技術提取活動信號

動物的不同行為會發出不同的聲音，根據亞洲象不同活動發出的不同聲音來判斷它的活動。聲音信息的處理分為采集聲音、處理聲音和聲音數字化三部分。主要是利用提前放置在自然保護區的傳感器，采集大象日?；顒拥穆曇?。

以大象最常見的進食行為舉例，可以采集到吞咽和咀嚼的聲音。由于自然保護區中的生物很多，為了避免采集大量的無用數據，在處理聲音數據的時候會進行干擾排除[9]。大象的活動聲音主要是通過麥克風進行收集，而干擾排除的處理工作是依靠n50032芯片實現。將活動聲音作為采集節點最終發送到信號接收器中，再由網絡傳輸到PC端口進行聲音信息化處理。由于野生大象無法像家養動物一樣佩戴監測項圈，因此，發送信號的傳感器的覆蓋范圍一定要覆蓋整個大象日常的活動范圍才能保證搜集的信息完整。

在聲音監聽的時候如果大象出現了異常的行為，例如，長鳴、奔跑等，可能是出現了偷獵現象，一定要及時聯系有關部門進行救助和抓捕偷獵[10]。聲音傳感器和干擾排除算法的結合可以實現對大象行為的收集，進食飲水活動行為是否正常也可以間接判斷大象的身體健康，實現數字化監控。但只通過聲音的判斷終究是片面的，還應結合視覺上的判斷，設計視覺監控的機器來監測亞洲象的活動行為。

2.2 使用視覺監控機器

為了克服單一監測方式的局限性，可以將視覺監控機器與聲音信號傳感器相結合，利用視頻監測精準地采集到亞洲象進食活動時下頜部位的運動軌跡，然后將運動匯集通過信息轉換成質心軌跡曲線實現對大象進食頻率的監測。

在亞洲象休息的時候，可以利用視覺監控機器來觀察大象呼吸的頻率和腹部的起伏情況，以此來收集大象正?；顒拥男奶鴶祿Ｅc佩戴在動物身上的隨身監測機器相比，視頻監控機器不會影響大象的正?；顒樱膊粫驗榇笙蟮膭×疫\動而導致機器脫落[11-12]。且視覺監控機器無線傳感節點易固定，身量小巧在野外環境中方便隱藏，對監測環境要求不高，適合監測野生動物的行為。將行為信息收集完整后，最后一步就是根據亞洲象的習性對行為進行分類，判斷是正常行為還是異常行為。

2.3 利用人工神經網絡技術進行行為分類和預測

目前，常用的識別算法包括K均值聚類、貝葉斯決策、人工神經網絡算法、支持向量算法等。經過對比和篩選，本文最終選擇利用人工神經網絡技術對亞洲象的行為實施分類處理。

人工神經網絡技術能夠利用數學方法來完成對信息的高效處理，且具有自適應較強的特點，適合用于進行動物行為識別。將聲音信息和視頻收集的信息作為參數可以將動物的異常行為識別出來[13，14]，也可以通過參數的規律進行行為預測。

人工神經網絡技術還可以通過象群的平均進食量計算當前的棲息環境的食物是否充足。如果象群出現異?；顒?，可以人工神經網絡技術的計算結果判斷是否因為食物稀缺造成。專業人員就根據異常行為的原因給出解決方案[15]。一旦象群離開自然保護區的活動范圍，通過聲音識別和視頻監測對象群實時定位，通過人工網路技術計算人類活動范圍的距離，并對象群實施路線引導，引導象群遠離人類村莊，避免對人類的生命財產造成威脅。

3 仿真監測實驗

為驗證上述方法的有效性，以云南省某自然保護區為實驗環境設計如下仿真實驗。模擬兩頭成年大象的行動軌跡進行檢測研究。實驗環境中，大象的活動范圍自由，有充足的食物和水源供給，檢測時間為早9點到第二天早9點，為期24 h。對比本文設計的活動行為監測方法和傳統的高清監視器監測方法、基于人工算法的監測方法的監測效果。

3.1 實驗準備

仿真定位實驗為了達到逼真的實驗效果，在實驗環境中設置障礙和樹木，地形的構建也是凹凸不平。將實驗范圍中設置8個節點作為節點參考，以實驗環境的左上方為坐標遠點，定位部署示意圖如圖1所示。

圖1 定位節點部署示意

對圖1的節點部署圖進行分析，根據傳感器的通訊半徑計算和距離擬合結果，定位節點的通訊半徑最終定位200 m，8個節點對于實驗場地實現信號全覆蓋，因此，節點在實驗中途移動并不影響實驗最終的定位效果。節點的覆蓋效率如表1所示。

基于表1的節點的覆蓋效率，布置參考節點的時候高度設置為20m，8處節點處于同一高度。仿真平臺的定位節點的網絡地址修改為協調器狀態。為保證定位測試結果不具備偶然性進行3次測試，并定位模擬亞洲象的坐標。

3.2 實驗結果與分析

3種方法的定位坐標的結果如表2。

表1 節點的信號覆蓋效率

表2 測試結果

通過表2的坐標信息可以計算出，本文設計的檢測方法3次測試的平均定位誤差為0.86 m，監視器監測方法的定位平均誤差為3.48 m，基于人工算法的監測方法的定位平均誤差為2.73 m。誤差數據的對比結果顯示，本文設計的活動行為監測方法的定位誤差更小，監測的結果更準確。

4 結論

對西雙版納自然保護區亞洲象的活動行為展開監測，對于有效監管象群具有重要意義。本文利用聲音監測和視覺監控的方式監測亞洲象活動行為，且所使用的監測設備縮小了視頻監測器的大小，使其更適用于在野外環境中工作。此外，本研究結合了人工神經網絡技術對亞洲象的行為進行了分類和預測，進一步優化了監測效果。綜上所述，本文研究能夠為促進野生動物監測技術的發展奠定良好基礎。