Van cameravallen tot big data: een nieuwe architectuur voor de monitoring van zeldzame diersoorten

Auteur: Svitlana Velhush

Van cameravallen tot big data: een nieuwe architectuur voor de monitoring van zeldzame diersoorten-1

De natuurbescherming is in de jaren 2020 onverwacht op een 'informatieve doodlopende weg' gestuit. Wereldwijd genereren duizenden cameravallen dagelijks terabytes aan gegevens. Tot voor kort besteedden wetenschappers tot wel 80% van hun tijd aan het simpelweg bekijken van lege beelden, waarop in plaats van een jaguar slechts een door de wind bewegend blad te zien was.

Van cameravallen tot big data: een nieuwe architectuur voor de monitoring van zeldzame diersoorten-1

Met de introductie van het platform SpeciesNet is de situatie radicaal veranderd. Dit op computer vision gebaseerde instrument neemt het meest monotone deel van het werk over. Het neurale netwerk filtert automatisch 'lege' content en deelt de dieren op de foto's in categorieën in. Waar een team van assistenten voorheen maanden over deed, wordt nu door algoritmen in enkele uren verwerkt.

Waarom is de snelheid van deze verwerking zo cruciaal? Bij bedreigde populaties, zoals de jaguars in Latijns-Amerika of de grizzlyberen in Noord-Amerika, betekent vertraging in de data-analyse dat de informatie haar relevantie verliest. Wanneer we pas na een half jaar horen over de bewegingen van stropers of een kritieke afname van de voedselbronnen, komen alle beschermingsmaatregelen te laat.

De technologie stelt biologen in staat zich te concentreren op de strategie in plaats van op het sorteren van bestanden. De nauwkeurigheid bij het identificeren van de belangrijkste soorten ligt inmiddels op 90%, waardoor deze gegevens gebruikt kunnen worden voor officiële overheidsrapportages en het bijna real-time aanpassen van de grenzen van natuurreservaten.

Het roept de vraag op of we in de nabije toekomst een uniform mondiaal monitoringsnetwerk kunnen opzetten, dat net zo snel waarschuwt voor bedreigingen van de biodiversiteit als wij de weersverwachting ontvangen.

De integratie van cloud computing en machine learning in de ecologie leidt tot het ontstaan van 'transparante' ecosystemen. Dit helpt op de lange termijn niet alleen om het uitsterven van soorten vast te leggen, maar ook om herstelscenario's te modelleren op basis van enorme hoeveelheden betrouwbare data. We maken de overstap van giswerk naar het nauwkeurig beheren van onze natuurlijke hulpbronnen.

16 Weergaven

Bronnen

  • Scientific American — Одно из старейших научно-популярных изданий, освещающее прогресс в области биолюминесценции и ГМО-растений.

  • The Guardian (Science) — Подробный отчет о прогрессе в воскрешении тасманского волка и этических аспектах де-экстинкции.

  • MIT Technology Review — Анализ влияния ИИ на мониторинг дикой природы и экологическое прогнозирование

Heb je een fout of onnauwkeurigheid gevonden?We zullen je opmerkingen zo snel mogelijk in overweging nemen.