Intensiv overvåking av gaupe med kamerafeller på Nordmøre 2021‒2023. Sluttrapport
Research report
Åpne
Permanent lenke
https://hdl.handle.net/11250/3169603Utgivelsesdato
2024Metadata
Vis full innførselSamlinger
- NINA Rapport/NINA Report [2399]
Sammendrag
Odden, J., Thorsen, N.H., Tvete, K.O. & Bahlk, S. 2024. Intensiv overvåking av gaupe med kamerafeller på Nordmøre 2021‒2023. Sluttrapport. NINA Rapport 2537. Norsk institutt for naturforskning.
Gaupebestanden i Skandinavia har siden 1990-tallet blitt overvåket gjennom en årlig registrering av familiegrupper (hunngauper med unger) basert på innrapporteringer av spor, bilder og døde gaupeunger. Forvaltning av store rovdyr er kontroversielt, og metodene for bestandsovervåking diskuteres ofte. I 2021 startet NINA opp et treårig prosjekt på Nordmøre og i tilgrensende deler av Trøndelag for å styrke overvåkingen gjennom bruk av kamerafeller. Målet for prosjektet var å identifisere antall familiegrupper og beregne tettheten i området basert på gjenkjenning av gaupenes flekkmønster.
Studieområdet omfattet 1 500 km² i kommunene Surnadal, Heim, Tingvoll og Sunndal. Det ble satt opp et nettverk av kamerafeller plassert strategisk på steder hvor gauper forventes å ferdes. To kamerafeller ble satt ut på fra 51 til 63 ulike lokaliteter i de ulike årene. For alle bilder som kom inn i perioden 1.8-31.12 identifiserte vi individer manuelt basert på flekkmønstre. Gjenkjenning av gaupeindivider på bilder fra kamerafeller er en metode som er lite benyttet i Skandinavia. Vi fikk derfor hjelp fra en forsker fra Østerrike som har lang erfaring med metoden. Tettheten av gauper ble beregnet ved hjelp av romlig fangst-gjenfangst-metodikk.
Antallet familiegrupper identifisert via flekkmønstre stemte ikke alltid overens med de offisielle estimatene fra Rovdata basert på en metode med bruk av såkalte avstandskriterier. I 2021/22 viste både identifikasjon av flekkmønstre og avstandskriteriene tre familiegrupper i studieområdet. I 2022/23 anslo avstandskriteriet at det var én familiegruppe i studieområdet, mens identifikasjon av flekkmønster viste at det dreide seg om to ulike familiegrupper. I 2023/24 anslo metodikken med bruk av avstandskriteriet at det var fire familiegrupper i studieområdet, mens identi-fikasjon av flekkmønstre viste at det kun var tre. Dette demonstrerer at avstandskriteriene kan føre til både over- eller underestimering av antall familiegrupper lokalt, men metodikken har vist seg å fungere godt på regionalt og nasjonalt nivå.
Antall identifiserte individer har variert fra 11 til 19 i de ulike årene. Tettheten av gauper ble beregnet til 3,1 individer per 1 000 km² i 2023, 4,7 i 2021, og1,8 i 2022. Dette er betydelig lavere tetthet enn man har sørover i Europa, men høy tetthet sammenlignet med mange andre områder i Norge. På Tingvollhalvøya ble tre hunngauper identifisert i et område på 450 km².
Prosjektet har gitt verdifull innsikt i gaupebestanden på Nordmøre og har styrket tilliten til overvåkingen gjennom samarbeid med lokale aktører. Metodikken med kamerafeller har potensial til å forbedre bestandsestimater i områder med utfordrende overvåkingsforhold. Odden, J., Thorsen, N.H., Tvete, K.O. & Bahlk, S. 2024. Intensive monitoring of lynx with camera traps on Nordmøre 2021‒2023. NINA Report 2537. Norwegian Institute for Nature Research.
The lynx population in Scandinavia has been monitored since the 1990s through an annual survey of family groups (female lynxes with kittens) based on reports of tracks, photos, and dead lynx kittens. The management of large carnivores is controversial, and methods for population monitoring are frequently debated. In 2021, NINA initiated a three-year project in Nordmøre and adjacent parts of Trøndelag to strengthen monitoring using a network of camera traps. The aim of the project was to identify the number of family groups and calculate the density of lynx in the area based on the recognition of the lynx’ coat patterns.
The study area covered 1,500 km² in the municipalities of Surnadal, Heim, Tingvoll, and Sunndal. A network of camera traps was strategically set up in locations where lynx’ were expected to walk. Two camera traps were deployed at 51 to 63 different locations during the various years. We manually identified individuals based on spot patterns using all the images received during the period 1. August–31. December every year. The recognition of individual lynx from images is a method rarely used in Scandinavia. We therefore received assistance from a researcher from Austria with extensive experience in the method. Lynx density was calculated using spatial capture-recapture methodology.
The number of family groups identified through coat pattern recognition did not always align with the official estimates from Rovdata based on so-called distance criteria. In 2021/22, both spot pattern identification and distance criteria indicated three family groups in the study area. In 2022/23, the distance criteria estimated one family group in the study area, while coat pattern identification revealed two distinct family groups. In 2023/24, the distance criteria method estimated four family groups, while coat pattern identification showed there were only three. This demonstrates that the distance criteria method can lead to both over- and underestimation of the number of family groups locally, though the methodology has proven effective at the regional and national level.
The number of identified individuals has varied from 11 to 19 across the three years. The density of lynx was calculated at 3.1 individuals per 1,000 km² in 2023, slightly lower than 4.7 in 2021, but higher than 1.8 in 2022. This is significantly lower density than in southern Europe but high compared to many other areas in Norway. On the Tingvoll Peninsula, three female lynx’ were identified in an area of 450 km².
The project has provided valuable insights into the lynx population in Nordmøre and has strengthened confidence in monitoring through collaboration with local stakeholders. The camera trap methodology has the potential to improve population estimates in areas with challenging monitoring conditions.