2019-03-06 23:04:01
新技术可以帮助保护主义者更好地跟踪塞伦盖蒂牛羚群

计算野生动物的新方法可以为保护主义者提供快速准确的方法来估算自然种群的数量。

在今天发表在“生态学与进化方法”杂志上的一篇新论文中,来自英国,非洲和美国的数学家和环保主义者讨论了他们如何利用机器学习和公民科学技术准确计算塞伦盖蒂国家公园中的角马。坦桑尼亚比使用传统方法更快。

目前评估牛羚丰度非常昂贵且耗时,需要在数千张栖息地的航空照片中手动计数动物。从这些可能需要数月才能完成的计数来看,野生动物研究人员使用统计估计来确定人口规模。检测人口变化有助于野生动物管理者做出更明智的决策,了解如何最好地保持畜群的健康和可持续性。

制作该论文的团队由来自格拉斯哥大学,南非开普敦大学,美国自然历史博物馆和坦桑尼亚野生动物研究所(TAWIRI)的研究人员组成。

他们使用深度学习算法来识别2015年塞伦盖蒂国家公园航空测量图像中的角马。该系统经过“训练”,使用来自塞伦盖蒂的500张高分辨率航拍图像识别牛羚,然后进行微调以获得更高的精确度,最终能够在不到两小时内处理1,000张图像,并能够产生超过20,000的总数牛羚在人类专家进行计数的1%以内。

该团队的第二种方法使用“公民科学”网站Zooniverse发布相同图像的选择,每个大分辨率图像分成12个相等大小的图块,使计数更容易。 2017年5月超过三周,超过2,200名Zooniverse用户观看了近10,000张图片,提供了每张图片中的角马数量。为确保准确计数,每个图像由15名不同的志愿者统计。

Colin Torney博士是格拉斯哥大学数学与统计学院的高级讲师,也是该论文的主要作者之一。他说:“野生动物管理者需要定期和准确地计算动物种群数量,以帮助他们识别任何变化,并评估造成这些变化的原因。如果不能很好地处理人口丰富程度,他们就很难看到由此引起的早期预警迹象。改变栖息地或增加偷猎水平,并开始采取适当措施纠正不平衡。

“我们的方法给了我们非常好的结果,我认为这显示了这种跨学科合作的独特优势。我们的研究表明深度学习算法可以支持传统的手工计数方法,或者甚至可能完全取代它们作为主要手段处理航拍照片。“

该论文的共同作者兼坦桑尼亚野生动物研究所首席研究官Edward Kohi博士说:“这些新兴技术将使TAWIRI每年进行一次牛羚调查,因为耗时的手工工作将得到解决。机器学习方法的成功代表了坦桑尼亚和非洲野生动物调查技术的一个重要里程碑.TAWIRI和我们的合作伙伴非常重视这一改进,我们正在计划将这一进步应用于其他野生动物物种。

该大学生物多样性动物健康与比较医学研究所的Grant Hopcraft博士是该论文的高级作者。他补充说:“塞伦盖蒂生态系统的主要驱动力是牛羚丰富。目前,大约有130万只牛羚,几乎影响生态系统中的每一个变量 - 一切都来自火灾的回归率,因为他们吃草,对于迁徙鸟类可用的昆虫数量。如果没有牛羚,生态系统将转变为完全不同的状态,因此知道有多少昆虫是很重要的。

“每年约有8.5%的人口因非法食用肉类贸易,捕食和自然原因而丧失。人口通过产犊增长最快的是每年约10%,因此维持人口的利润非常小。

“我们在深度学习和公民科学方面所做的工作确实令人鼓舞,我们渴望在不久的将来进一步扩展它,也许是为了使用卫星图像进行人口调查。这是该领域激动人心的时刻,并展示了数学家和生态学家密切合作可以带来的潜在好处。“

猜您喜欢的其它内容