Cercetătorii de la Universitatea Cambridge au dezvoltat o metodă inovatoare pentru a cartografia habitatele aricilor din Marea Britanie, folosind imagini satelitare și modele de inteligență artificială (IA) pentru a identifica tufișurile de mărăcini, locurile preferate de ascunziș ale acestor animale.
Populațiile de arici europeni au scăzut cu aproximativ 30-50% în ultimul deceniu, ceea ce face dificilă și costisitoare urmărirea acestor creaturi nocturne pe arii extinse. În loc să îi caute direct pe arici, cercetătorul Gabriel Mahler a dezvoltat un model de IA care identifică mărăcinii – tufișuri spinoase folosite de arici pentru adăpost și hrănire – din datele satelitare.
Acești mici mamifere se bazează pe acest tip de vegetație densă pentru adăpost în timpul zilei, locuri de cuibărit și protecție împotriva prădătorilor. Mărăcinii atrag de asemenea insecte și oferă fructe de pădure, susținând populațiile de nevertebrate de care se hrănesc aricii.
Metodele tradiționale de supraveghere a aricilor necesită munca de teren pe timp de noapte, echipamente specializate sau raportări ale observațiilor de către cetățeni științifici – metode care nu se pot extinde ușor pentru planificarea conservării la nivel național. În contrast, imaginile din satelit acoperă zone vaste continuu, iar dacă modelele de IA pot identifica în mod fiabil caracteristicile cheie ale habitatului, cum ar fi mărăcinii, conservatorii ar putea obține un instrument puternic pentru evaluarea habitatului la scară largă.
Deși “IA” este un termen la modă în zilele noastre, detectorul echipei Cambridge nu se bazează pe un model complex de procesare a limbajului, cum ar fi ChatGPT. În schimb, modelul utilizează tehnici relativ simple de învățare automată: o combinație de regresie logistică și clasificare k-nearest neighbors.
Detectorul de mărăcini al lui Mahler combină de asemenea reprezentările TESSERA ale imaginilor Pământului, care procesează imagini de la sateliții Sentinel ai Agenției Spațiale Europene, cu observații de pe teren de pe platforma de știință cetățenească iNaturalist.
Pentru a testa eficacitatea, Mahler și colegii săi Sadiq Jaffer, Anil Madhavapeddy și Shane Weisz, au petrecut o zi plimbându-se prin Cambridge cu smartphone-uri și dispozitive GPS, verificând dacă predicțiile modelului se potrivesc cu realitatea. “A durat aproximativ 20 de secunde să găsim primul mărăcin într-o zonă indicată de model,” a scris Jaffer într-un articol de blog documentând testul de teren.
La Parcul Comunitar Milton, unde modelul a arătat o încredere mare în prezența mărăcinilor lângă parcarea auto, echipa a vizitat sistematic locațiile cu diferite niveluri de predicție. În Parcul Țării Milton, fiecare zonă de încredere ridicată pe care au verificat-o conținea o creștere substanțială de mărăcini.