Het Amazoneregenwoud, met een oppervlakte van 2,3 miljoen vierkante kilometer, is 's werelds grootste regenwoud en meest biodiverse regio.
Verspreid over negen landen is het Amazonegebied essentieel voor de gezondheid van de planeet. Het absorbeert kooldioxide, reguleert weerpatronen en biedt een habitat voor ontelbare diersoorten.
Ontbossing en illegaal landgebruik bedreigen het Amazonegebied al tientallen jaren, wat leidt tot grootschalig habitatverlies en bijna onomkeerbare schade aan het ecosysteem.
Volgens Behoud van de AmazoneAlleen al in 2022 ging bijna 5 miljoen hectare regenwoud verloren, een toename van 21% ten opzichte van het voorgaande jaar.
AI-oplossingen voor natuurbehoud
Diep in het regenwoud van de Amazone rommelen dieren door het kreupelhout zonder te beseffen dat ze worden vastgelegd door camera's en microfoons.
De beelden en opnames geven niet alleen een prikkelend inzicht in het leven van dieren in het regenwoud - ze maken deel uit van een geavanceerd AI-gestuurd project om ontbossing tegen te gaan.
Door gebruik te maken van de kracht van gegevens, machine learning (ML) en cloudtechnologie, ontwikkelen experts innovatieve programma's om ontbossingspatronen te herkennen en beleidsmakers te voorzien van bruikbare gegevens.
AI is een integraal onderdeel geworden van wereldwijde natuurbeschermingsinspanningen en biedt onderzoekers een middel om gegevens van sensoren, camera's en satellieten te combineren.
Project Guacamaya, een samenwerking tussen het Alexander von Humboldt Instituut, het CinfonIA Onderzoekscentrum aan de Universidad de los Andes, Instituto Sinchi, en Microsofts AI voor Goed Labis gericht op het monitoren van ontbossing en biodiversiteit in het Colombiaanse Amazonegebied.
Zoals Juan Lavista Ferres, Vice President en Chief Data Scientist bij Microsofts AI for Good Lab, beschrijft: "Dit project lost niet alle problemen op die Amazon heeft, maar het lost wel een probleem op waarvan ik denk dat het fundamenteel is: je kunt een probleem niet oplossen als je het niet kunt meten."
Een drieledige aanpak
Het vermogen van AI om te werken met gegevens over meerdere modaliteiten geeft onderzoekers een gedetailleerd overzicht van deze enorme en complexe omgeving.
Satellietgegevens bieden bijvoorbeeld een macroanalyse van het bos, inclusief ontbossing, illegale mijnbouw en veranderingen in landgebruik.
Tegelijkertijd volgen camera's en sensoren op de grond de impact van macroveranderingen op de lokale biodiversiteit, zoals het bijhouden van habitatverlies.
Dit is hoe Project Guacamaya combineert verschillende AI-systemen:
Stap 1: Satellietgegevens voor macro-landanalyse
Het eerste onderdeel van Project Guacamaya maakt gebruik van satellietgegevens van Planet Labs.
Satellietgegevens voorzien het project van dagelijkse hogeresolutiebeelden van het Amazonewoud, waardoor bijna-realtime monitoring mogelijk is. Dit is cruciaal voor het detecteren van snelle veranderingen in de bosbedekking of aanwijzingen voor illegale activiteiten.
De AI-modellen die voor deze fase zijn ontwikkeld, zijn getraind om te zoeken naar indicatoren voor ontbossing of illegale mijnbouw, zoals ongeautoriseerde wegen of kaalkap.
Door de satellietbewaking te automatiseren kan het team de Colombiaanse autoriteiten vrijwel direct waarschuwen als er verdachte activiteiten beginnen.
Stap 2: Verborgen camera's voor inzicht op grondniveau
Verborgen camera's worden strategisch geplaatst in het Colombiaanse Amazonegebied om satellietgegevens aan te vullen.
Deze camera's nemen dagelijks duizenden foto's en voeden die met AI-modellen die dieren identificeren en classificeren.
Naast het volgen van de bewegingen van soorten op de bodem van het regenwoud, dient dit ook als waarschuwingssysteem. Als dieren bijvoorbeeld buiten hun natuurlijke ecosystemen worden aangetroffen, kan dit wijzen op lokale veranderingen die nader onderzoek vereisen.
Stap 3: Bioakoestiek voor classificatie van dieren
Tot slot bevat Project Guacamaya geluidsgegevens, of bioakoestiek, die rechtstreeks uit het Amazoneregenwoud zijn opgevangen.
Gespecialiseerde apparatuur wordt gebruikt om de natuurlijke geluiden van het bos op te nemen en de gegevens in AI-modellen in te voeren. getraind om onderscheid te maken tussen vogelgeluiden en nietvogelgeluiden en deze in te delen in specifieke soorten.
Met een identificatiebetrouwbaarheid van meer dan 80% helpen deze AI-modellen wetenschappers om het gedrag van dieren te begrijpen, de migratie van soorten te volgen en de aanwezigheid van invasieve of bedreigde soorten te detecteren.
De ontbossing in Brazilië aanpakken
In een apart project werkt Microsoft samen met milieuorganisatie Imazon en non-profitorganisatie PrevisIA in Brazilië om illegale mijnbouw en ontbossing op te sporen via satellietanalyse.
"We gebruiken PrevisIA om te anticiperen op de risicogebieden en acties uit te voeren om ontbossing te voorkomen," zegt Carlos Souza, een senior onderzoeker bij Imazon.
Eerder dit jaar werd het bosgebied in Triunfo do Xingu gedecimeerd, waarbij in slechts één maand een oppervlakte gelijk aan 700 voetbalvelden verloren ging. Volgens PrevisIA is dit ook de regio met het grootste risico op verdere ontbossing in 2023.
De AI schat dat tegen het einde van het jaar ongeveer 271,52 vierkante kilometer bos verloren zal zijn gegaan.
Carlos Souza Jr., senior onderzoeker bij Imazon en projectcoördinator van PrevisIA, benadrukte de proactieve kracht van deze aanpak: "Bestaande modellen voor het voorspellen van ontbossing waren voor de lange termijn en keken naar wat er over tientallen jaren zou gebeuren. We hadden een nieuw hulpmiddel nodig dat de verwoesting voor kon zijn."
Met behulp van een combinatie van geostatistiek en historische gegevens houdt het model rekening met variabelen die ontbossing tegengaan of bevorderen, zoals land dat wordt beschermd door inheemse gemeenschappen.
PrevisIA komt ook ten goede aan lokale belanghebbenden, waaronder banken en bedrijven, die de gegevens gebruiken om milieuverantwoorde beslissingen te nemen.
Van reactief naar proactief behoud
Het vermogen van AI om met complexe gegevens te werken in bijna-realtime ondersteunt een nieuw paradigma van proactief behoud.
Voorheen vertrouwden onderzoekers voornamelijk op handmatig verzamelde veldgegevens, die de dynamiek van een gebied zo groot als het Amazonegebied niet konden weergeven.
José Godofredo Pires dos Santos, een openbare aanklager in Pará, beschreef de noodzaak van preventieve maatregelen: "We willen niet steeds weer binnenvallen als de schade al is aangericht."
Onderzoekers merken op dat het uiteindelijke doel is om deze modellen open-source te maken voor gebruik in andere wereldwijde projecten.
De rol van AI in natuurbehoud: voorbeelden uit 2023
In een wereld die worstelt met klimaatverandering, habitatverlies en biodiversiteitsafname schieten traditionele beschermingsmethoden vaak tekort.
In 2023 hebben we een aantal fascinerende natuurbeschermingsprojecten gezien die gebruikmaken van AI en machine learning.
Hier zijn drie voorbeelden van de afgelopen maanden:
Akoestische monitoring van dolfijnen in de Amazone
Onderzoekers van de Technische Universiteit van Catalonië in Barcelona trainden een neuraal netwerk om onderscheid te maken tussen twee bedreigde soorten dolfijnen in de Amazonerivier - Boto en Tucuxi - op basis van hun unieke akoestische communicatie.
Door onderwatermicrofoons te installeren in het Mamirauá-reservaat in het Braziliaanse Amazonewoud kan het team rivierdolfijnen volgen met minimale verstoring.
De AI-technologie helpt dolfijngeluiden te onderscheiden van andere omgevingsgeluiden.
AI-gestuurde visimmigratiecontrole in Noorwegen
Pacifische zalm, een invasieve soort, bedreigt inheemse Atlantische zalmpopulaties in Europese waterwegen.
Huawei en Berlevåg Jeger-og Fiskerforening (BJFF) bouwden een AI-visfiltersysteem in de Noorse Storelva rivier.
Met behulp van een computervisie (CV)-model, dit systeem kan met 90% nauwkeurigheid onderscheid maken tussen Atlantische en Pacifische zalm en de invasieve soorten omleiden naar een baai voordat ze op zee worden vrijgelaten.
Dit innovatieve systeem 'ziet' de invasieve Pacifische zalm en voorkomt op een veilige manier dat deze de Europese waterwegen binnendringt.
Papegaaiduikers tellen in Groot-Brittannië
Papegaaiduikers, geliefde maar kwetsbare zeevogels in het Verenigd Koninkrijk, zijn van oudsher moeilijk te monitoren.
Rangers telden ze traditioneel handmatig - een lastige, tijdrovende taak.
In samenwerking met Microsoft, Avanade en NatureScot is SSE Renewables een AI-systeem besturen om papegaaiduikers te tellen op het eiland May, voor de kust van Schotland.
Camera's leggen live beelden vast van papegaaiduikers en een AI getraind model op gelabelde beelden kunnen individuele vogels onderscheiden met minimale menselijke tussenkomst.
De toekomst van AI in conservering
De ontluikende rol van AI in natuurbehoud heeft zijn effectiviteit bewezen in uiteenlopende ecosystemen - van de Amazonerivier tot Europese waterwegen en Schotse kustlijnen.
AI is een krachtvermeerderaar die onderzoekers helpt om complexe biodynamische gegevens bij te houden.
Naarmate de infrastructuur die nodig is om AI-modellen te trainen en in te zetten toegankelijker wordt, zal het bouwen van modellen voor unieke natuurbehoudproblemen eenvoudiger worden, zelfs zonder aanzienlijke middelen.
In de toekomst zullen natuurbeschermers in staat zijn om geavanceerde, lichtgewicht AI-systemen te bouwen met minimale expertise.
