Intensiv overvåking av gaupe med kamerafeller på Nordmøre 2021
Research report
View/ Open
Date
2022Metadata
Show full item recordCollections
- NINA Rapport/NINA Report [2356]
Abstract
Odden, J., Thorsen, N.H., Tvete, K.O, Røragen, S., Bahlk, S. & Linnell, J.D.C. 2022. Intensiv overvåking av gaupe med kamerafeller på Nordmøre 2021. NINA Rapport 2139. Norsk institutt for naturforskning.
NINA fikk i 2021 i oppdrag fra Statsforvalterne og Rovviltnemnda i rovviltregion 6 å teste ut en intensiv overvåking av gaupe med hjelp av kamerafeller i kommunene Surnadal, Heim, Tingvoll og Sunndal. Målsettingen var å identifisere antall familiegrupper og totalt antall gauper i området basert på bilder fra kamerafeller gjennom et utstrakt samarbeid med lokale hjelpere og svært intensiv datainnsamling.
Prosjektet ble gjennomført i et område på 1 500 km2 i perioden juli 2021 til desember 2021. Studieområdet ble delt inn i et rutenett på 5x5 km med en observasjonspost med to viltkamera innenfor hver rute. Til sammen ble det satt opp 120 kamerafeller på 60 lokaliteter ved hjelp av lokale krefter. Gjenkjenning av individer på bilder fra kamerafeller er en metode som er lite benyttet i Skandinavia. Vi fikk derfor hjelp fra to erfarne forskere fra Sveits og Østerrike som har lang erfaring med metoden.
Det ble registrert gaupe på kamerafellene 86 ganger på totalt 31 av de 60 lokalitetene. Ti av de 86 observasjonene ble vurdert som ikke identifiserbare. Dette var bilder av gauper i bevegelse og/eller i mørket der flekkmønsteret ikke kom tydelig fram. Fra de 76 observasjonene som ble identifisert, kom identifiseringen fram til at det var 14 voksne gauper og fem unger. Vi beregnet tetthet av voksne gauper til å være 4,7 gauper per 1000 km2. Denne tettheten er noe høyere enn det vi har sett i andre studieområder tidligere i Skandinavia.
Vi registrerte tre familiegrupper på kamerafellene. Alle tre familiegruppene ville blitt registrert av det ordinære overvåkingssystemet. Gruppering av antall familiegrupper ved hjelp av flekkmønster ga det samme resultat som en gruppering ved hjelp av avstandskriteriene. Dette studiet, og flere tidligere studier, viser at dagens overvåking av familiegrupper ser ut til å fungere godt. Av-standskriteriene som benyttes av Rovdata til å beregne antall familiegrupper av gaupe er basert på hvor langt radiomerkede hunngauper forlytter seg. Det finnes ikke data på forflytning hos hunngauper i fra kystområdene på Nordmøre og Trøndelag. Det kan derfor være av interesse å få merket hunngauper med GPS-sender også i dette området i framtiden.
Identifisering av gauper basert på flekkmønster er tid- og ressurskrevende, dette gjør metoden lite egnet over store arealer i Skandinavia. Det kan være nyttig å utføre intensive studier med identifisering i områder der det er stor konflikt rundt antall familiegrupper av gaupe. Vi har ikke funnet studier som har validert identifisering av gauper basert på flekkmønster. Vi anbefaler der-for at metoden valideres, og at data og resultater fra studier som baserer seg på individgjenkjenning av flekkmønster tolkes med omhu før feilmarginer ved metoden undersøkes. Odden, J., Thorsen, N.H., Tvete, K.O, Røragen, S., Bahlk, S. & Linnell, J.D.C. 2022. Intensive monitoring of lynx with camera traps on Nordmøre 2021. NINA Report 2139. Norwegian Institute for Nature Research.
In 2021, NINA was asked by the Carnivore Management Board in region 6 to test intensive monitoring of lynx with camera traps in the municipalities of Surnadal, Heim, Tingvoll and Sunndal. The goal was to identify number of family groups and the total number of lynx in the area based on images from camera traps and an extensive collaboration with local helpers.
The project was carried out in a 1,500 km2 area from July 2021 to December 2021. The study area was divided into 5x5 km grids with an observation post with two cameras within each route. A total of 120 camera traps were set up at 60 locations. Identification of individual lynx from images were done by two experienced researchers from Switzerland and Austria.
The camera traps recorded lynx 86 times, and of these ten observations were considered unidentifiable. This was images of lynx in motion and/or in darkness where the coat pattern did not appear clearly. From the 76 observations we identified 14 adult lynx and 5 kittens. We estimated the density of adult lynx to be 4,7 lynx per 1000 km2. This density is somewhat higher than what we have seen before in other study areas in Scandinavia.
We registered three different family groups on the camera traps. All three family group were discovered by the ordinary monitoring system. Grouping the number of family groups using a coat pattern gave the same result as a grouping using distance criteria.
Identification of lynx’ based on coat patterns is time consuming, making the method unsuitable for monitoring large areas in Scandinavia. These intensive studies can however be useful in areas where there is conflicts around the estimated number of lynx family groups. Currently, there are no studies validating the individual recognition of individuals based on coat patterns. We therefore recommend that the method should be validated, and results from studies based on individual recognition of spot patterns should be interpreted with care.