Cilvēks novērotājs kustīgā lidaparātā palaiž garām aptuveni 1 no 10 ziloņiem. Algoritms nenogurst.
Savvaļas dzīvnieku populācijas apsekojumi ir dabas aizsardzības pamats. Katrs pārvaldības lēmums, no pretmalu medību patruļu maršrutiem līdz biotopu aizsardzības budžetiem, ir atkarīgs no zināšanām par to, cik dzīvnieku ir. Gadu desmitiem standarta metode ir bijusi viena un tā pati: lidot zemu pār ainavu un skaitīt redzamo. Problēma ir tā, ka cilvēka acis kustīgā lidaparātā nav īpaši labas šajā darbā.
Tradicionālā aeroapskate un tās ierobežojumi
Parastā savvaļas dzīvnieku apsekošana notiek šādi: apmācīti novērotāji noliecas no zemu lidojoša lidaparāta (parasti 60-100 metru virs zemes) un skaita dzīvniekus noteiktā joslā abās pusēs. Viņi reģistrē sugas, grupu lielumus un atrašanās vietas uz papīra vai ar balss ierakstītāju, bieži 6-8 stundas pēc kārtas.
Problēmas ir labi dokumentētas. Novērotāja nogurums iestājas pēc pirmās stundas, un precizitāte vienmērīgi samazinās. Dažādi novērotāji, kas skaita vienu un to pašu transektu, regulāri iegūst skaitļus, kas atšķiras par 10-30%. Dzīvnieki ēnā, aiz krūmiem vai raibā mežā bieži tiek palaisti garām. Laikapstākļi, turbulence un augstums ievieš papildu mainīgumu. Un paši lidojumi ir dārgi un bīstami: zemas lidojuma augstuma apsekošana ir viena no augstākā riska aktivitātēm dabas aizsardzībā.
Kā MI maina skaitīšanu
MI atbalstītas aeroapskates apgriež darba plūsmu otrādi. Tā vietā, lai paļautos uz cilvēku novērotājiem, kas reālā laikā pamana un skaita dzīvniekus, lidaparāts (vai drons) uzņem augstas izšķirtspējas fotogrāfijas no visas apsekojamās teritorijas. Uz zemes noteikšanas modelis skenē katru attēlu un atzīmē katru atrasto dzīvnieku.
Noteikšanas modelis, parasti konvolūcijas neironu tīkls, piemēram, RetinaNet, apstrādā attēlus vienā piegājienā. Tas identificē dzīvniekus pēc formas, izmēra un kontrasta ar fonu, tad uzliek marķieri uz katras noteikšanas ar ticamības vērtējumu. Cilvēks pārskatītājs pārbauda atzīmētos attēlus un robežgadījumus, bet lielāko daļu skaitīšanas veic automātiski.
Wageningen Universitātes dzīvnieku populācijas pētījumos publicēts pētījums atklāja, ka RetinaNet atklāja 95% ziloņu, 91% žirafu un 90% zebru, salīdzinot ar eksperta cilvēka anotāciju, vienlaikus pareizi identificējot papildu 2.8-4.0% dzīvnieku, kurus cilvēki anotatori pilnībā palaida garām. Modelis radīja tikai 1.6-5.0 viltus pozitīvus uz vienu patieso pozitīvu.
Frontiers in Conservation Science pētījums atklāja, ka MI atbalstītas metodes var samazināt populācijas novērtējuma standarta kļūdu par 31-67%, salīdzinot ar manuālām metodēm, ar potenciālu apsekošanas piepūles palielināšanu par 160-1,050% pie ekvivalentām izmaksām. Tas nozīmē vairāk apsekotās teritorijas, biežāk, par to pašu budžetu.
Kuras sugas darbojas vislabāk
Ne katru sugu MI var vienlīdz viegli saskaitīt no gaisa. Labākie rezultāti tiek iegūti ar dzīvniekiem, kas ir lieli, izteikti iekrāsoti un atrodami atklātās dzīvotnēs.
Ziloņi, liellopi, zebras un gnu ir ideāli kandidāti. To izmērs atvieglo noteikšanu, un atklāta savanna nodrošina spēcīgu kontrastu.
Flamingo, pingvīni un jūras putnu kolonijas sēd blīvās, redzamās grupās atklātā apvidū. MI lieliski skaita tūkstošiem īpatņu vienā attēlā.
Roņi, jūras lauvas un valzirgi, kas izlīduši krastā, ir skaidri redzami no augšas. Termālā attēlveidošana pievieno papildu noteikšanas kanālu.
Lopkopji un savvaļas dzīvnieku pārvaldnieki izmanto identiskas tehnikas liellopiem, zirgiem un ziemeļbriežiem atklātā ganību zemē.
Auditējamības priekšrocība
Viena no visvairāk nenovērtētajām uz fotogrāfijām balstītu apsekojumu priekšrocībām ir pastāvīgums. Tradicionāla novērotāja skaitījums ir skaitlis uz starpliktuves. To nevar pārbaudīt, apstrīdēt vai uzlabot pēc lidojuma.
Fotogrāfija ir pastāvīgs pierādījums. Katru MI apsekojuma laikā uzņemto attēlu var arhivēt, atkārtoti pārskatīt dažādiem recenzentiem un pēc gadiem atkārtoti apstrādāt ar uzlabotiem algoritmiem. Ja jaunais modelis ir par 5% precīzāks nekā pagājušā gada modelis, jūs varat to palaist uz pagājušā gada attēliem un iegūt labāku vēsturisko novērtējumu, nelidojot vēlreiz.
Tas veido augošu datu kopu, kas laika gaitā uzlabojas. Dabas aizsardzības organizācijas, piemēram, Wild Me, ir izveidojušas atvērtā pirmkoda platformas (piemēram, Scout), kas ļauj pētniekiem visā pasaulē dalīties un atkārtoti analizēt aerofotogrāfijas. Pati fotogrāfija kļūst par zinātnisko ierakstu, nevis no tās atvasināts skaitlis.
Kur MI skaitīšanai joprojām ir grūtības
MI aeroskaitīšana ir spēcīga, bet ne universāla. Vairāki apstākļi joprojām ir patiesi sarežģīti.
- Bieza veģetācija - dzīvnieki zem biezas koku vainagu klāja ir neredzami parastajām kamerām. Meža ziloņus un primātus joprojām ir grūti apsekot no gaisa.
- Nakts sugas - radījumi, kas aktīvi tikai naktī, prasa termālo vai infrasarkano attēlveidošanu, kurai ir zemāka telpiskā izšķirtspēja nekā dienas RGB kamerām.
- Ūdens dzīvnieki zem virsmas - jūras sugas zem ūdens, piemēram, delfīnus vai zivis, nevar droši noteikt no aerofotogrāfijām.
- Mazas vai maskējušās sugas - dzīvnieki, kas saplūst ar apkārtni, piemēram, zaķi uz sausas zāles, spiež noteikšanas modeļus līdz to robežām.
- Ekstrēmi laikapstākļi - mākoņu sega, lietus un stiprs vējš pasliktina attēla kvalitāti un var pilnībā apturēt dronu un lidaparātu operācijas.
Kā sākt MI savvaļas dzīvnieku skaitīšanu
- Izvēlieties platformu- patērētāju drons (DJI Mavic vai līdzīgs) der mazām teritorijām; pilotējami lidaparāti vai fiksēta spārna droni aptver lielākus rezervātus.
- Plānojiet lidojuma režģi- izmantojiet automatizētu ceļa punktu navigāciju, lai nodrošinātu konsekventu augstumu un pilnu teritorijas pārklājumu ar attēlu pārklāšanos.
- Uzņemiet pareizā laikā- agra rīta vai vēlas pēcpusdienas gaisma samazina asas ēnas. Izvairieties no pusdienas laika, kad dzīvnieki meklē ēnu.
- Apstrādājiet ar noteikšanas modeli- augšupielādējiet attēlus MI skaitīšanas platformā. Atvērtā pirmkoda iespējas ietver Wild Me Scout savvaļas dzīvnieku noteikšanai.
- Pārskatiet atzīmētās noteikšanas- manuāli pārbaudiet zemas ticamības marķierus un robežgadījumus. Šī hibrīdā pieeja maksimizē precizitāti.
- Arhivējiet visu- glabājiet oriģinālos attēlus kopā ar skaitīšanas datiem. Nākotnes algoritmi iegūs vēl lielāku vērtību no šodienas fotogrāfijām.
Galvenais secinājums
Savvaļas dzīvnieku aizsardzība ir atkarīga no precīziem populācijas datiem, un gadu desmitiem labākais pieejamais rīks bija noguris novērotājs trokšņainā lidaparātā. MI aeroskaitīšana neaizstāj cilvēka kompetenci dabas aizsardzībā, bet novērš manuālās skaitīšanas šķērsli no vienādojuma.
Nākamreiz, kad rezervātam būs nepieciešams populācijas novērtējums, visprecīzākā atbilde nāks no kameras, nevis no starpliktuves. Un atšķirībā no starpliktuves, fotogrāfijas joprojām būs noderīgas pēc desmit gadiem.