Pesquisadores de Cambridge Usam IA e Dados de Satélite para Mapear Habitat de Ouriços
Pontos principais
- As populações de ouriços declinaram cerca de 30 a 50 por cento na última década.
- Pesquisadores de Cambridge estão usando IA para detectar trechos de silvas espinhosas a partir de imagens de satélite Sentinel.
- O modelo combina regressão logística, classificação k-nearest-neighbors e embeddings TESSERA.
- Dados de verificação de solo do iNaturalist ajudam a treinar e validar o algoritmo de detecção de habitat.
- Caminhadas em Cambridge confirmaram que muitas localizações de silvas espinhosas previstas pela IA coincidiam com a realidade.
- O mapeamento de habitat baseado em satélite oferece uma alternativa escalável para pesquisas noturnas tradicionais.
- A técnica pode permitir uma avaliação rápida e em larga escala de habitats de ouriços para planejamento de conservação.
Cientistas da Universidade de Cambridge estão desenvolvendo um modelo de inteligência artificial que identifica trechos de silvas espinhosas a partir de imagens de satélite para localizar potenciais habitats de ouriços em todo o Reino Unido. Combinando técnicas de aprendizado de máquina simples com dados dos satélites Sentinel da Agência Espacial Europeia e observações de ciência cidadã do iNaturalist, a equipe espera fornecer uma alternativa escalável às tradicionais pesquisas noturnas em campo. Caminhadas iniciais de verificação em Cambridge mostraram que as previsões do modelo se alinham com locais reais de silvas espinhosas, oferecendo uma ferramenta promissora para planejamento de conservação em larga escala.
Contexto
Os números de ouriços europeus caíram cerca de 30 a 50 por cento na última década, provocando chamadas urgentes para melhores métodos de monitoramento. Pesquisas convencionais dependem de trabalho de campo noturno extensivo, equipamento especializado ou relatórios de cidadãos, todos os quais são caros e difíceis de escalar nacionalmente.
Abordagem de Pesquisa
Na Universidade de Cambridge, o pesquisador Gabriel Mahler e seus colegas Sadiq Jaffer, Anil Madhavapeddy e Shane Weisz mudaram o foco de rastrear os animais diretamente para detectar os trechos de silvas espinhosas que os ouriços usam para abrigo e forrageamento. Seu modelo de IA analisa imagens de satélite - especificamente dados dos satélites Sentinel da Agência Espacial Europeia - para localizar esses arbustos densos e espinhosos.
O modelo emprega técnicas de aprendizado de máquina relativamente simples, combinando regressão logística com classificação k-nearest-neighbors. Ele também integra embeddings de representação da Terra TESSERA, que processam os dados raw de satélite, e observações de verificação de solo provenientes do iNaturalist, uma plataforma de ciência cidadã.
Validação em Campo
Para testar a precisão do modelo, a equipe de pesquisa passou um dia caminhando em Cambridge equipada com smartphones e dispositivos GPS. Eles compararam as previsões de localização de silvas espinhosas da IA com o que observaram no campo. A caminhada confirmou que muitas das previsões do modelo coincidiam com trechos reais de silvas espinhosas, demonstrando que a detecção baseada em satélite pode identificar de forma confiável recursos-chave de habitat de ouriços.
Implicações para Conservação
Imagens de satélite oferecem cobertura contínua e ampla, tornando-se um complemento poderoso para métodos de pesquisa tradicionais. Se a IA puder consistentemente identificar habitats de silvas espinhosas, planejadores de conservação poderiam avaliar rapidamente a disponibilidade de habitats em grandes regiões sem a necessidade de trabalho de campo laborioso.
Essa abordagem também destaca o potencial de combinar modelos de aprendizado de máquina modestos com fontes de dados públicas disponíveis. Ao aproveitar ativos de satélite existentes e contribuições de ciência cidadã, pesquisadores podem criar ferramentas de baixo custo que apoiem o monitoramento de biodiversidade em larga escala e informem estratégias de proteção de habitats.