Nuevas herramientas de inteligencia artificial para vigilar la naturaleza protegida de Europa
El seguimiento de la biodiversidad a menudo se queda corto porque la naturaleza es vasta, la capacidad de campo es limitada y muchas especies solo están presentes en determinados momentos o en condiciones específicas. El equipo del proyecto MAMBO(se abrirá en una nueva ventana), financiado con fondos europeos, está desarrollando herramientas que utilizan cámaras, grabadoras de sonido y teledetección para ayudar a organismos y gestores de lugares a rastrear especies y evaluar las condiciones del hábitat con más frecuencia, en zonas más amplias y con menos trabajo manual.
Inteligencia artificial que reconoce especies a partir de fotos y sonidos
En MAMBO se ha contribuido a mejorar el rendimiento de servicios de identificación y cartografía ampliamente utilizados, como Pl@ntNet(se abrirá en una nueva ventana), Observation.org(se abrirá en una nueva ventana) y GeoPl@ntNet(se abrirá en una nueva ventana). En el mundo real, la detección automática en imágenes puede funcionar bien, pero una identificación fiable depende del grupo de especies y de los datos de formación disponibles. Toke Thomas Høye, coordinador del proyecto, explica: «En el caso de los animales, el nivel de detección suele ser satisfactorio, pero en cuanto a la identificación, el reconocimiento funciona mejor en el caso de las aves y las polillas, mientras que el reconocimiento de, por ejemplo, algunas especies de murciélagos a partir de ultrasonidos y de muchos otros grupos de insectos a partir de imágenes sigue siendo un reto». El equipo del proyecto también ha desarrollado herramientas que permiten analizar toda una parcela de vegetación a partir de una sola imagen, lo que ayuda a normalizar los estudios sobre plantas y reduce la carga de trabajo de los botánicos expertos.
Mapas del estado del hábitat a partir de detección y medición de distancias por luz, drones y satélites
Los datos sobre las especies son solo la mitad del panorama. Las áreas protegidas también necesitan indicadores del estado de los hábitats que sean comparables entre lugares y países. En MAMBO se creó un procedimiento para extraer métricas de estructura leñosa vertical a partir de detección y medición de distancias por luz (LiDAR) aerotransportado y se amplió utilizando estudios LiDAR nacionales. También se exploraron los flujos de trabajo con drones, por ejemplo, la estimación de la cubierta arbustiva y la biomasa en zonas de recuperación de la naturaleza, la cartografía de madera muerta en bosques y la detección de huellas de grandes mamíferos en cañaverales. Una de las ventajas principales es la cobertura uniforme de los detalles más finos. Como señala el equipo: «Al capitalizar las imágenes de satélite y los datos de biodiversidad existentes, la tecnología escalable desarrollada para la cartografía de especies y hábitats ha permitido acceder a predicciones coherentes que cubren Europa con una resolución espacial sin precedentes de cincuenta metros, algo que no se puede conseguir con el seguimiento tradicional de la biodiversidad “in situ”». Mantener los mapas actualizados sigue requiriendo datos actualizados por satélite y observaciones terrestres continuas para la formación y la evaluación.
De los canales de investigación a las herramientas útiles, y lo que vendrá después
Muchos flujos de trabajo de inteligencia artificial (IA) funcionan bien en un portátil, pero tienen dificultades en operaciones reales, donde los equipos necesitan interfaces sencillas, resultados claros y asistencia. En MAMBO se marcó esa brecha temprano: «Un reto fundamental ha sido combinar los últimos avances y funcionalidades de la IA con herramientas de fácil uso para acceder a los resultados en formatos relevantes para las partes interesadas», subraya Niels Raes, participante en el proyecto. Ya se pueden utilizar varias salidas. El proyecto ofrece un tutorial y una aplicación web pública para la realización de estudios de cuadrículas de plantas basados en imágenes, y GeoPl@ntNet permite a los usuarios visualizar y resumir las predicciones sobre hábitats y especies vegetales a diferentes escalas espaciales. El flujo de trabajo LiDAR de MAMBO se ha aplicado en múltiples lugares europeos de demostración y produce métricas armonizadas que describen la altura, la cobertura y la complejidad estructural de la vegetación. Las herramientas de MAMBO también se incorporarán al proyecto Biodiversity Meets Data (BMD)(se abrirá en una nueva ventana), en el que se creará una plataforma digital centralizada —el punto de acceso único— para el seguimiento de alto rendimiento por parte de los gestores de Natura 2000 y los responsables políticos. Este proyecto está coordinado por Niels Raes. En este contexto, los algoritmos de imagen y sonido de MAMBO permiten la identificación (semi)automatizada a partir de imágenes y grabaciones de cámaras trampa, mientras que BMD se centra en la integración de herramientas, datos y análisis en un punto de acceso que facilite la elaboración de informes con arreglo a las Directivas de la Unión Europea sobre protección de la naturaleza.