Современные технологии в деле охраны дикой природы
Новые технологии делают охрану дикой природы проще и эффективнее. Цифровые решения позволяют людям более эффективно контролировать популяции, поведение и среду обитания диких животных, более подробно анализировать образцы, а затем сообщать о новых открытиях глобальной аудитории. Улучшая способы сбора, анализа и обработки данных, специалисты могут выявлять потенциальные угрозы и возможности, а затем разрабатывать и внедрять успешные стратегии охраны.
Дроны, или беспилотные летательные аппараты (БПЛА), являются одним из технологических инструментов, который всё чаще используется в усилиях по сохранению. Они могут быстро охватывать большие площади и предоставлять изображения с высоким разрешением, что делает их идеальными для мониторинга. Более того, дроны могут использоваться для борьбы с незаконной деятельностью, такой как браконьерство и вырубка лесов, обеспечивая наблюдение в реальном времени и собирая доказательную базу для поддержки обвинений. На макроуровне достижения в технологии дронов позволили учёным собирать изображения высокого разрешения и другие ландшафтные данные быстро, относительно дёшево, с минимальным нарушением окружающей среды. Тепловизионные устройства на БПЛА особенно полезны в районах с высоким лесным покровом, поскольку они могут обнаруживать скопления животных, которые в противном случае остались бы незамеченными.
Они также могут быть полезны для изучения крупных млекопитающих, к которым опасно приближаться пешком, особенно тех, которые ведут ночной образ жизни. Тепловизоры имеют ещё одно жизненно важное применение для больших лесных ландшафтов - они являются бесценным инструментом для предотвращения и реагирования на пожары. Для групп планирования и предотвращения пожаров беспилотники помогают координировать патрулирование восстановительных работ на сильно деградированных землях и могут быстро определять потенциальные очаги лесных и наземных пожаров. В сочетании со спутниковыми снимками беспилотники дают всем заинтересованным сторонам широкий, но подробный вид леса, что было невозможно всего несколько десятилетий назад.
Благодаря технологии дистанционного зондирования, такой как LiDAR (обнаружение и измерение дальности с помощью лазерного луча), можно обнаруживать изменения в землепользовании, растительном покрове и водоёмах, что может обеспечить раннее предупреждение об утрате среды обитания и выявить последствия изменения климата.
На уровне земли фотоловушки могут раскрыть всевозможную информацию о видовом разнообразии, помочь создать полную картину здоровья экосистемы и даже раскрыть интимное поведение животных. Эта технология считается «дружественной дикой природе», то есть она причиняет животным минимальное беспокойство. Такие устройства играют важную роль в исследованиях - только в прошлом году в рамках одного проекта мониторинга было установлено в общей сложности 84 фотоловушки, которые работали в течение 7758 ночей и засняли 6310 изображений и видео. Эта незаметная форма наблюдения помогла идентифицировать и наблюдать за 52 отдельными видами животных, включая панголинов, оленей-мышей, дикобразов, диких свиней, оленей-самбаров и медведей, а также различные виды рептилий и птиц.
ИИ уже используется в дикой природе для идентификации и классификации изображений с камер-ловушек, а также звуков, передающихся на устройства хранения информации в дата-центры посредством спутниковой передачи данных. Это новая область исследований, и учёные надеются, что такой подход поможет заполнить звуковую библиотеку, которая будет использоваться в будущей идентификации.
Защита животных имеет важное значение для поддержания хорошо функционирующей экосистемы, а эффективный интеллектуальный мониторинг животных позволяет понимать их привычки и разрабатывать соответствующие меры по охране. Прежде всего, точная идентификация особей животных в естественных или сложных сценах имеет первостепенное значение. Хотя сначала необходимо определить местонахождение животных перед их идентификацией, поэтому следует добиться обнаружения и сегментации особей. В реальных сценариях почти все живые существа движутся, что затрудняет их обнаружение, особенно когда они передвигаются через густую растительность. Поэтому необходимо точно отслеживать и идентифицировать животных в различных сложных условиях. В настоящее время исследователи дикой природы, в коллаборации со специалистами из области информационных наук, приложили большие усилия для развития систем интеллектуального мониторинга.
Эти подходы оказываются особенно бесценными для определения видов, обитающих в скрытых или труднодоступных средах, в то время как существуют проблемы со сбором данных на месте и наблюдением со стороны. Использование спутниковых изображений высокого разрешения имеет огромный потенциал для обнаружения и подсчёта скрытных или неуловимых видов. Тем не менее, целевые особи, запечатлённые на этих изображениях высокого разрешения, часто представлены всего несколькими пикселями, что позволяет проводить только базовое обнаружение. Это ограничение создаёт значительные препятствия для точной идентификации.
Существует две категории подходов, использующих обычные данные мониторинга: инвазивные небиометрические методы (такие как ушные бирки и инъекционные транспондеры), а также неинвазивные биометрические методы (бесконтактное обнаружение датчиками, компьютерное зрение и т. д.). Инвазивные небиометрические методы постепенно отбрасываются из-за присущих им недостатков - возникновение стресса и травм у животных, нарушение в их повседневной жизни, отсутствие ремонтопригодности самих устройств и т. д. В то время как неинвазивные биометрические методы приветствуются исследователями из-за их функциональности, низкой стоимости, простоты обслуживания и манипулирования. В последние годы на основе технологий компьютерного зрения разрабатывается ряд методов интеллектуального мониторинга животных, включая традиционные биометрические методы на основе машинного и глубокого обучения.
Традиционные алгоритмы способны выполнять базовые задачи интеллектуального мониторинга животных, однако им приходится сталкиваться с ограничениями в сценариях со значительным затенением, изменениями освещения и сложными условиями (мутная вода при подводной съёмке, естественные условия с густой листвой, меняющиеся погодные условия и движущиеся объекты). Развитие и эволюция глубокого обучения открыли новые возможности для этого сложного процесса. Нейронная сеть может не только изучать признаки мелкого уровня, но и захватывать признаки высокого порядка, значительно повышая производительность моделей. Например, популярная модель обнаружения объектов использовалась для обнаружения животных как на суше, так и под водой.
Но пока основные методы глубокого обучения по-прежнему имеют заметные проблемы, которые необходимо решать. Например, большинство существующих работ, как правило, сосредоточены на конкретных сценариях и относительно идеализированных условиях, с большим акцентом на поведение и привычки животных в неволе (либо диких животных в нормальных погодных условиях). Однако наблюдается недостаток (либо полное отсутствие) соответствующих работ по животным в естественных условиях и сложных средах – что затрудняет построение входного набора данных для выстраивания модели. Кроме того, наборы данных, используемые в большинстве исследований, созданы для определённых видов. Кроме того, отсутствуют стандартизированные наборы для проектирования и проверки работающих эффективных моделей. Однако подразумевается, что в интеллектуальном мониторинге должно быть богатое разнообразие видов животных и их присущих характеристик. Такая недостаточность информации приводит к дополнительным исследованиям с использованием разных наборов данных для одной и той же задачи анализа. Однако все ещё остаётся множество вопросов, которые необходимо изучить дополнительно, чтобы преодолеть существующие ограничения и достичь оптимальных результатов.
Но технологии — это только половина истории. Цифровые инновации наиболее эффективны в сочетании с более традиционными методами сохранения, такими как образование, осведомлённость и работа с общественностью. Как всегда, наиболее эффективными инструментами в усилиях по сохранению дикой природы и животного мира нашей Планеты являются решимость людей вносить позитивные изменения, а также их готовность работать сообща в данном направлении. Цифровые инновации укрепляют эти связи, расширяя их влияние и объединяя людей.
