China Nature Watch: Nutzung von Technologien zur Sammlung und Anwendung von Informationen über die biologische Vielfalt, um eine biodiversitätsfreundliche Entscheidungsfindung zu erleichtern
Vollständige Lösung
System zur Verwaltung von Kamerafallendaten: Seite zur Artenbestimmung
Shan Shui Conservation Center
Grundlegende Daten über die biologische Vielfalt sind der Schlüssel für Entscheidungen und Praktiken zum Schutz der biologischen Vielfalt, aber es besteht ein Datenmangel und eine Informationsasymmetrie. Mit Hilfe technologischer Instrumente will China Nature Watch die Sammlung von Biodiversitätsdaten aus verschiedenen Quellen, insbesondere aus der Bürgerwissenschaft, stärken, die Anwendung von Daten in der Raumplanung und der Öffentlichkeitsbeteiligung erleichtern und die Erhaltung der biologischen Vielfalt als Querschnittsaufgabe verankern.
Im Einzelnen bietet die Technologie effektive Lösungen für 3 Module:
- Verwaltung von Kamerafallendaten: Entwicklung eines KI-gestützten Online-Datenverwaltungssystems zur Vereinfachung und Beschleunigung der Sammlung und Verarbeitung von Kamerafallendaten.
- Visualisierung von Citizen Science-Daten: Einsatz von PowerBI zur automatischen Analyse und interaktiven Visualisierung von Artenaufzeichnungen, die von Citizen Scientists gesammelt wurden.
- Biodiversitäts-Folgenabschätzungs-Tool (BiA): Integration von ökologischen und bautechnischen Daten aus verschiedenen Datenquellen, um eine sofortige Abfrage der Biodiversitäts-Folgenabschätzung für Bauprojekte über eine Cloud-Plattform zu ermöglichen.
Letzte Aktualisierung: 30 Sep 2025
2224 Ansichten
Kontext
Angesprochene Herausforderungen
Jeder Prozess im Arbeitsablauf der Biodiversitätsdaten - von der Erfassung über die Verarbeitung und Visualisierung bis hin zur Anwendung - ist mühsam und langwierig und erfordert viel repetitive Arbeit, die dringend vereinfacht und automatisiert werden muss.
- Verwaltung von Kamerafallendaten: Die gemeindebasierte Überwachung mit Kamerafallen ist mit Engpässen konfrontiert, die sich aus der geringen Effizienz (z. B. Datenerfassung durch lokale Beobachter, manuelle Artenbestimmung) und der instabilen und relativ geringen Datenqualität (z. B. fehlerhafte und fehlende Daten, hoher Anteil an leeren Fotos) ergeben.
- Visualisierung von Citizen Science-Daten: Die Visualisierungsprodukte sind statisch und kampagnenspezifisch und werden in verschiedenen Phasen jeder Kampagne manuell erstellt, was die Naturschützer viel Mühe kostet und den Citizen Scientists nur ein verzögertes Feedback liefert.
- Bewertung der Auswirkungen auf die biologische Vielfalt: Datenmangel und fehlender öffentlicher Zugang zu den Daten haben die Szenarien der Datennutzung eingeschränkt. Außerdem wird die Bewertung der Auswirkungen auf die biologische Vielfalt für jede Anfrage manuell durchgeführt, und die Berichte werden manuell erstellt.
Standort
Volksrepublik China
Ostasien
Prozess
Zusammenfassung des Prozesses
Die Gesamtplanung und die Entwicklung einer unterstützenden Partnerschaft haben eine konkrete Grundlage für das Projekt geschaffen.
Kamerafallendaten sind eine wesentliche Datenquelle für die Verbreitung von Arten in der Nature Watch-Datenbank. Das System zur Verwaltung von Kamerafallendaten beschleunigt den gesamten Arbeitsablauf und verbessert die rechtzeitige Eingabe von Kamerafallendaten in die Datenbank. Ähnlich verhält es sich mit den Daten von Bürgerwissenschaftlern, die eine weitere Quelle für die Erfassung von Arten sind. Die Visualisierungsplattform trägt dazu bei, die Begeisterung der Bürgerwissenschaftler zu wecken und die Beobachtung von Arten zu fördern. Beide Bausteine akkumulieren Daten für das BiA-Tool und fördern so eine genauere Bewertung.
Darüber hinaus beinhalten die Visualisierungsplattform und das BiA-Tool eine öffentliche Kommunikation, die sich an unterschiedliche Zielgruppen richtet und sich im Hinblick auf das ultimative Ziel des Biodiversitäts-Mainstreaming gegenseitig ergänzt.
Bauklötze
Workflow-Analyse, Aufbau von Partnerschaften und Gesamtplanung
Jahrelange Forschung und Naturschutzpraxis haben nicht nur die Bedeutung von Biodiversitätsdaten hervorgehoben, sondern auch die Mängel der derzeitigen Arbeitsabläufe aufgezeigt, die von ineffizienter Datenverwaltung über mangelnde Datenintegration bis hin zu begrenzten öffentlich zugänglichen Datenanwendungen reichen. Darüber hinaus sind diese Arbeitsabläufe hauptsächlich menschengemacht und beinhalten oft eine Menge sich wiederholender Arbeiten, die einen großen Teil der Zeit der Naturschützer in Anspruch nehmen.
Im Zuge der rasanten technologischen Entwicklung haben wir allmählich das Potenzial der Technologie erkannt, Lösungen für unsere "Probleme" zu finden. Um technologische Werkzeuge dort einzusetzen, wo sie am dringendsten benötigt werden, wurde eine systematische Überprüfung und Analyse des aktuellen Arbeitsablaufs durchgeführt, um Engpässe mit hoher Priorität und mögliche Lösungen zu ermitteln. Die Überlegungen begannen im Mai 2018 und wurden ab Juni 2019 in die Tat umgesetzt, nachdem sich potenzielle technische Partner gefunden hatten. Auf der Grundlage der systematischen Analyse der Arbeitsabläufe und einer engen Partnerschaft haben wir einen Stufenplan erstellt, der darauf abzielt, unter Berücksichtigung unserer begrenzten Ressourcen und Arbeitskräfte ein Modul nach dem anderen zu entwickeln (z. B. von der gemeindebasierten Kamerafallen-Monitoring-Assistenten-App über das BiA-Tool und die Citizen Science-Datenvisualisierungsplattform bis hin zum Kamerafallen-Datenmanagementsystem).
Ermöglichende Faktoren
- Eine systematische Überprüfung des aktuellen Arbeitsablaufs und eine Lückenanalyse, die aufzeigt, wo technologische Hilfsmittel helfen können
- Zuverlässige und unterstützende technische Partner (durch Versuch und Irrtum)
- Ein ehrgeiziger, aber praktischer Plan
Gelernte Lektion
- Die Einbeziehung verschiedener Kollegen in die Diskussion über Arbeitsabläufe und technische Lösungen ist hilfreich, um weitere wertvolle Ideen zu sammeln.
- Verschiedene technische Unternehmen haben unterschiedliche Arbeitsstile. Wählen Sie diejenigen, die zu Ihrem Arbeitsstil und Ihren Werten passen.
System zur Verwaltung von Kamerafallendaten
Zur Beschleunigung der Arbeitsabläufe im Zusammenhang mit Kamerafallen wird mit Unterstützung technischer Partner ein Online-Datenverwaltungssystem mit App-basierten Tools und KI-Bilderkennung entwickelt, das aus folgenden Komponenten besteht:
- Assistenten-App für die Kamerafallenüberwachung auf Gemeindeebene: Die App ermöglicht es den lokalen Beobachtern, automatisch die Zeit und den GPS-Standort des Aufstellens/Abholens der Kamerafallen aufzuzeichnen, wodurch der mühsame Prozess der Datenerfassung durch die lokalen Beobachter und die manuelle Dateneingabe entfallen. (Entwurf: Jun 2019, Entwicklung: Okt. 2019-Feb. 2020, Erprobung und Nutzung: März-Oktober 2020)
- KI-Bilderkennungsmodelle: KI-Modelle helfen bei der Erkennung von Tieren und der Identifizierung von Arten in Kamerafallenfotos, wodurch die Anzahl der Fotos, die von Menschen identifiziert werden müssen, erheblich reduziert und die Effizienz der Datenverarbeitung verbessert wird.
- Eine Reihe von KI-Modellen wurde mit technischen Partnern trainiert und/oder getestet, darunter PU & PKU ResNet18-Modell (2018), MegaDetector (nur Test, 2020), MindSpore YOLOv3-Modell (2021).
- Online-Datenmanagement-Plattform: Über die App gesammelte Kamerafallen-Informationen werden zusammen mit Fotos in eine strukturierte Cloud-Datenbank hochgeladen. Die Datenverwaltungsplattform unterstützt nicht nur die Identifizierung von Arten durch KI und Menschen, sondern ermöglicht auch eine globale Datensuche und Statistikberichte. (Blueprint: Apr-Aug 2021, Entwicklung: Sept 2021-Jun 2022, Erprobung und Nutzung: Jul 2022)
Ermöglichende Faktoren
- Eine systematische Überprüfung des aktuellen Kamerafallen-Daten-Workflows und dessen Umsetzung in technische Systementwicklungsanforderungen
- Open-Source- und leistungsfähige KI-Erkennungsmodelle für Kamerafallenbilder
- Cloud-Ressourcen für KI-Computing, Datenspeicherung usw.
- Proberunden und Feedback zur Behebung von Fehlern und Verbesserung der Benutzerfreundlichkeit des Systems
Gelernte Lektion
- Rom wurde nicht an einem Tag erbaut. Aufgrund von Zeit- und Ressourcenbeschränkungen müssen wir das System in verschiedene Module aufteilen und diese Schritt für Schritt entwickeln. Wir glauben, dass jedes Modul für sich einen oder mehrere Schritte in unserem Arbeitsablauf verbessern kann, und wir haben von den Modulen profitiert, bevor sie in das Gesamtsystem integriert wurden. Dennoch ist es wichtig, am Anfang eine Gesamtperspektive zu haben und langfristige Pläne für die endgültige Systemintegration zu machen.
- Ein System kann nicht von Anfang an perfekt sein. Als die App zum ersten Mal auf den Markt kam und in einer Gemeinde eingesetzt wurde, funktionierte sie nicht so, wie wir es erwartet hatten, und lokale Beobachter meldeten verschiedene Arten von Fehlern. Wir sammelten und analysierten die Rückmeldungen, um das UI-Design und die Funktionalität der App zu verbessern.
Plattform zur Visualisierung von Daten aus der Bürgerwissenschaft
Während der Naturbeobachtungskampagnen werden Bürgerwissenschaftler eingeladen, Wildtiere zeitnah zu beobachten und zu erfassen, was nicht nur die Verbindung zwischen Bürgern und Natur stärkt, sondern auch als vielversprechende Datenquelle für die Verbreitung von Arten dient. Die von den Bürgerwissenschaftlern per Online-Fragebogen gesammelten Daten fließen automatisch in die Datenbank der Visualisierungsplattform ein (nach einer Datenbereinigung und einer manuellen regelmäßigen Überprüfung) und werden über Power BI in intuitive und attraktive visualisierte Diagramme und Karten (zwei Arten: räumlich, räumlich und zeitlich) umgewandelt. Die Plattform, die sowohl über eine Web- als auch eine mobile Version verfügt, bietet Echtzeit-Feedback zu den Bemühungen der Bürgerwissenschaftler bei der Naturbeobachtung, was ihr Erfolgserlebnis steigert und sie zur weiteren Teilnahme an Naturbeobachtungsaktivitäten motiviert. Da die Plattform außerdem mehrere Naturbeobachtungskampagnen mit Links zu Webartikeln über spezifische Analysen jeder Kampagne integriert, bietet sie ein breites Spektrum an Wissen über die biologische Vielfalt und ermöglicht den Bürgern eine "virtuelle Naturbeobachtung", um die Tierwelt in anderen Regionen kennenzulernen.
Ein kurzer Zeitplan für die Plattform:
- Januar-Februar 2021: Bildung eines Teams, Analyse der Analysen, Erstellung eines Konzepts
- März-Juni 2021: Entwicklung von Datenbank und Plattform
- Jul-Aug 2021: Probebetrieb
- September 2021: Live-Schaltung und Werbung
Ermöglichende Faktoren
- Ein gut gestalteter Fragebogen zur Datenerhebung und ein automatischer Datenbereinigungsmechanismus zur Sicherstellung der Datenqualität sowie eine manuelle regelmäßige Überprüfung (normalerweise einmal pro Saison) zur Sicherstellung der Datenrealität.
- Auswahl der Visualisierungsmethoden und ästhetische Gestaltung unter Einbeziehung von Bürgerwissenschaftlern.
- PowerBI-Technologie.
- Betrieb und Pflege der WeChat-Community der Bürgerwissenschaftler.
Gelernte Lektion
- Da es sich um ein Produkt handelt, das sich an die Öffentlichkeit wendet, ist es nie zu viel verlangt, an den Inhalten und dem ästhetischen Design zu feilen, um die Plattform benutzerfreundlich und attraktiv zu gestalten.
- Die Einbindung der Nutzer in der Planungsphase und das Sammeln ihrer Gedanken ist sehr hilfreich, um die Bedürfnisse der Nutzer zu ermitteln.
- Die Fragebögen müssen gut gestaltet sein und die Bürgerwissenschaftler müssen vor der Datenerfassung gut geschult werden. Andernfalls kann es leicht zu Datenverlusten kommen.
Instrument zur Bewertung der Auswirkungen auf die biologische Vielfalt (BiA)
Um eine automatische und sofortige Abfrage der Auswirkungen auf die biologische Vielfalt zu ermöglichen, wurde das BiA-Tool entwickelt, um Abfragedienste für Raumplaner und andere interessierte Parteien über die Azure-Plattform zu erleichtern. Das BiA-Tool überlagert den angefragten Standort oder die Region (oder bestehende Bauprojekte) mit mehreren geografischen Ebenen, einschließlich der Verbreitung von Arten und der Reichweite von Schutzgebieten, um zu untersuchen, ob sich der Standort oder die Region in einer bestimmten Entfernung (z. B. 3 km, 5 km) von Lebensräumen gefährdeter Arten und/oder Schutzgebieten befindet und Auswirkungen auf diese haben könnte. Die Bewertungsberichte veranschaulichen den Entscheidungsträgern die ökologischen und umweltbezogenen Risiken von Bauprojekten und könnten sie hoffentlich dazu bewegen, die biologische Vielfalt zu berücksichtigen.
Ein kurzer Zeitplan für das BiA-Tool:
- Apr-Jun 2020: Teambildung, Anforderungskommunikation, Systementwicklungsplan
- Juli-September 2020: Entwicklung des Instruments
- Okt. 2020: Erprobung, Anwendung und Verbreitung
- (in Vorbereitung) Apr-Sept 2022: System-Upgrade
Ermöglichende Faktoren
- Jahrelanges Sammeln von Daten und ständiges Überdenken von Ansätzen zur Datenanwendung.
- Theoretische und technische Grundlagen aus langjähriger Forschung und Naturschutzpraxis.
- Werbung für das BiA-Instrument bei seinen potenziellen Nutzern, wie Regierungen, Investoren und Unternehmen.
- Verfolgung der Funktionsweise des Instruments und des Nutzerfeedbacks, um weitere Verbesserungen des Instruments zu entwickeln.
Gelernte Lektion
- Die Datenanwendung ist der wichtigste Schritt im gesamten Datenworkflow, bei dem die Daten in wertvolle Informationen für die Beteiligten umgewandelt werden. Wirksame Berichte über die Datenanwendung sollten die Zielgruppe im Auge behalten (z. B. prägnant und konzentriert sein).
- Der Abschluss der Entwicklung und Freigabe ist nicht der letzte Schritt für ein Instrument. Es ist auch sehr wichtig, potenzielle Nutzer zu finden und sie davon zu überzeugen, das Instrument zu nutzen. Ein Instrument muss verwendet werden, um den größten Nutzen zu bringen.
Auswirkungen
Technologische Lösungen haben den Arbeitsablauf für Biodiversitätsdaten optimiert und Datenanwendungen gefördert:
- Kamerafallen-Datenmanagement: Die gemeindebasierte Kamerafallen-Assistenten-App hat die Datenerfassung für 86 lokale Beobachter, die für das Aufstellen/Abholen von Kamerafallen im Feld zuständig sind, erleichtert. KI-Bilderkennungsmodelle haben über 380.000 Kamerafallenbilder verarbeitet und damit mehr als 100 Arbeitsstunden ersetzt. Diese Beschleunigung der Datenerfassung und -verarbeitung ermöglicht eine zeitnahe Rückmeldung an die Beteiligten und unterstützt die Entscheidungsfindung im Naturschutz.
- Visualisierung von Citizen Science-Daten: Durch die Visualisierung von 2688 Datensätzen von 22 Arten, die während sechs Kampagnen in den Jahren 2016-2021 gesammelt wurden, und die automatische Aktualisierung neu gesammelter Datensätze hat die Plattform räumliche, zeitliche und interaktive Rückmeldungen an die Teilnehmer der Bürgerwissenschaftler geliefert und das Interesse an Naturbeobachtungsaktivitäten erheblich gesteigert.
- BiA-Tool: Die Nature-Watch-Datenbank enthält Basisdaten zur biologischen Vielfalt, die aus verschiedenen Datenquellen gesammelt wurden, darunter Datensätze zu Arten (2591 Arten, 1,35 Millionen Datensätze) und Schutzgebieten (6 Nationalparks, 474 nationale Schutzgebiete usw.). Bislang hat das BiA-Tool mehr als 1260 Planern von Bauprojekten und anderen Interessengruppen interaktive und visualisierte Abfragedienste zur Bewertung der Auswirkungen auf die biologische Vielfalt zur Verfügung gestellt und so eine biodiversitätsfreundliche Entscheidungsfindung erleichtert.
Begünstigte
- Naturschützer: Verbesserte Effizienz
- Lokale Gemeinschaften: Verbesserte Effizienz und rechtzeitiges Feedback
- Bürgerwissenschaftler: zeitnahe Rückmeldung
- Regierungsbehörden, akademische Einrichtungen, Öffentlichkeit: einfacher Zugang zu Daten über die biologische Vielfalt
Ziele für nachhaltige Entwicklung
SDG 11 - Nachhaltige Städte und Gemeinden
SDG 15 - Leben an Land
Mitwirkende kontaktieren
Andere Mitwirkende
Chen Cheng
Shan Shui-Erhaltungszentrum
Mengjiao Yu
Shan Shui-Erhaltungszentrum
Ning Wang
Shan Shui-Erhaltungszentrum
Xiangying Shi
Shan Shui-Erhaltungszentrum
Tianmu Jiang
Shan Shui-Erhaltungszentrum
Ding Jia
Zentrum für Natur und Gesellschaft der Universität Peking
Lingyun Xiao
Xi'an Jiaotong-Liverpool Universität
Peiyun Li
Xi'an Jiaotong-Liverpool Universität
Xiaoman Hu
Huawei Technologies Co. Ltd.
Luwei He
Huawei Technologies Co. Ltd.
