p Populações crescentes de javalis ( Sus scrofa L.) estão causando cada vez mais danos às terras agrícolas na Europa, exigindo centenas de milhares de euros de indenização. Um novo método baseado em drones permite estimar os danos à colheita em um rápido, forma padronizada e objetiva. p Anneleen Rutten, Estudante de doutorado na Universidade de Antuérpia e no Instituto de Pesquisa da Natureza e da Floresta (INBO, Bruxelas) apresentará o método na conferência 'Ecology Across Borders' em Ghent, Bélgica esta semana. Ela usa um drone comercial padrão para tirar fotos aéreas de campos agrícolas, que são analisados ​​com um algoritmo para identificar as áreas danificadas.

p O aumento do número de javalis foi associado a maiores danos às plantações, transmissão de doenças e acidentes de viação em muitos países europeus. Na Flandres, os javalis estiveram ausentes por quase 50 anos e só retornaram em 2006. Estimativas de bolsas de caça mostram uma população crescente que ainda está expandindo sua distribuição, da província oriental de Limburg para as províncias mais centrais de Antuérpia e Vlaams-Brabant.

p As estruturas da paisagem em Flandres mudaram nos anos de ausência de javalis, resultando em um denso, padrão de mosaico de agricultura, áreas naturais e urbanas. Assim, houve muitos conflitos entre humanos e animais selvagens desde então.

p "Eu quero ter uma primeira visão sobre a extensão dos danos agrícolas causados ​​por javalis porque, em contraste com as regiões e países vizinhos, isso não foi monitorado no passado e não se sabe o quão altos são os prejuízos financeiros para este setor ", Anneleen Rutten diz.

p O método foi desenvolvido para ser acessível e fácil de aplicar. “Eu conecto meu smartphone ao controle remoto do meu drone que me permite ver a visualização da câmera. Os danos são realmente claros na câmera:nos campos de milho, javalis rolam sobre o milho, o que resulta em buracos abertos com caules quebrados em um campo verde. Em pastagens, o enraizamento causa uma clara diferença de cor porque o solo está enraizado ", Rutten explica.

p Para cada campo, muitas fotografias individuais com sobreposição de 75-85% são tiradas. A alta sobreposição permite a combinação de fotografias individuais em uma única imagem, tendo em conta as diferentes perspectivas e mostrando todo o campo. A área do campo é então classificada em partes danificadas e não danificadas usando Object Based Image Analysis (OBIA). O algoritmo atinge 93% de precisão para campos de milho e 94% para pastagens.

p Tradicionalmente, os danos às colheitas são estimados por especialistas treinados medindo a área danificada no campo. "Voar e tirar fotos de campos danificados não leva tanto tempo quanto fazer uma avaliação por meio de visitas terrestres, tornando-o mais econômico ", Rutten acrescenta. Outra vantagem é que o método é padronizado, permitindo comparações diretas entre campos diferentes e ao longo do tempo.

p Anneleen Rutten apresentará seu trabalho na conferência 'Ecology Across Borders' na terça-feira, 12 de dezembro de 2017.