Migracja gnu Afryki Wschodniej jest zwykle szacowana na około 1,3 miliona osobników. Jednakże w rzeczywistości, w ciągu każdego roku przez krajobraz Serengeti Mara przemieszcza się mniej niż 600 000 zwierząt, według analizy sztucznej inteligencji zdjęć satelitarnych.
Wielka Migracja obejmuje przemieszczenie gnu, zebr i antylop pomiędzy terenami żerowania i tarła w Kenii i Tanzanii, próbując jednocześnie unikać drapieżników, takich jak lwy, krokodyle czy hieny.
Ocena liczby zaangażowanych zwierząt jest trudnym zadaniem, tradycyjnie realizowanym za pomocą załogowych lotów po zdjęcia. Badacze mogą badać tylko niewielki obszar na raz, więc korzystają z modeli statystycznych do ekstrapolacji gęstości na obszary, które nie zostały przebadane, co może wprowadzać błędy ze względu na nierównomierny rozkład stad oraz ich ciągłe przemieszczanie się.
Badania satelitarne mogą unikać tych problemów, ponieważ jedno zdjęcie może obejmować setki tysięcy kilometrów kwadratowych, co zmniejsza szansę podwójnego zliczenia zwierząt i eliminuje potrzebę projekcji ekstrapolacyjnych. Liczenie gnu w tak obszernych obrazach jest praktycznie niemożliwe, ale zwierzęta można zliczyć za pomocą sztucznej inteligencji. „Automatyzacja za pomocą SI zapewnia większą spójność i dokładność w zliczaniu” – powiedziała Isla Duporge z Uniwersytetu Oksfordzkiego.
W ramach nowego badania Duporge i jej koledzy wytrenowali dwa modele uczenia głębokiego – U-Net i YOLOv8 – do identyfikacji gnusiów przy użyciu zbioru danych obrazów, w którym 70 417 zwierząt było ręcznie oznakowanych. Oba modele zostały następnie zastosowane do ponad 4000 kilometrów kwadratowych obrazów satelitarnych wysokiej rozdzielczości. Obrazy zostały uchwycone 6 sierpnia 2022 i 28 sierpnia 2023 roku.
Obydwa modele SI dały podobne wyniki, zliczając 324 202 i 337 926 gnusiów w 2022 roku oraz 502 917 i 533 137 w 2023 roku. Znaczna różnica między danymi z 2022 i 2023 roku odzwierciedla fakt, że dwa badania zostały przeprowadzone w różnych terminach w sierpniu: już wcześniej było wiadomo, że liczba zwierząt zaangażowanych w migrację wzrasta i spada w ciągu miesiąca. „To, co jest zachęcające, to to, że oba modele uczenia głębokiego, które korzystają z bardzo różnych podejść, dostarczyły spójne wyniki” – mówi Duporge. „Ta spójność wzmacnia nasze zaufanie do wiarygodności zliczeń opartych na SI do śledzenia populacji dzikich zwierząt”.
Poprzednie szacunki liczby 1,3 miliona opracowane na podstawie badań lotniczych pozostawały praktycznie niezmienione od lat 70. „Na podstawie naszych wyników podejrzewam, że prawdziwy rozmiar populacji zbliża się do około 800 000 osobników, gdybyśmy byli w stanie policzyć każdego osobnika bezbłędnie” – mówi Duporge. – „Myślę, że zliczenie lotnicze jest przesadzone, a nasze jest lekkim niedoszacowaniem. Pomijamy te, które znajdują się pod drzewami i jest pewnie też kilka poza obszarem badania, ale bardzo zaskakujące jest to, że nie widzimy więcej niż 533 137 osobników”.
Niższe zliczenia niekoniecznie oznaczają załamanie się populacji gnu. Mogą one zmienić swoje trasy migracyjne. Jednak gnu napotykają istotne wyzwania, w tym utratę siedlisk i fragmentację spowodowaną działalnością rolniczą. Dokładne szacunki populacji są kluczowe dla opracowywania ukierunkowanych działań na rzecz ochrony.
Zespół badawczy wcześniej wytrenował model SI do rozpoznawania słoni na podstawie danych satelitarnych, ale jest to pierwszy przypadek użycia tego podejścia do przeprowadzenia spisu osobników ssaków w dużej populacji rozproszonej. Obecnie zespół opracowuje podobną metodę do wykrywania i zliczania afrykańskich nosorożców.
„Uważam, że powinniśmy kierować się w stronę metod opartych na satelicie i SI do zliczania populacji dzikich zwierząt, szczególnie dla gatunków o szerokim rozprzestrzenieniu na dużych obszarach” – mówi Duporge.
Kod modelu badacza jest dostępny pod adresem https://github.com/sat-wildlife/wildebeest
