Medidor de grietas basado en IA para desprendimientos de rocas

El medidor de grietas basado en IA para desprendimientos de rocas es un dispositivo que supervisa la aparición de desprendimientos de rocas y los desplazamientos de las grietas en tiempo real mediante la instalación de un sensor de observación en una zona de riesgo de desprendimiento de rocas situada a lo largo del sendero. Desde 2013, se han instalado medidores de grietas automáticos y manuales en laderas empinadas con alto riesgo de desprendimiento, y actualmente hay 525 unidades en funcionamiento en 174 ubicaciones. El dispositivo de medición de desprendimientos de rocas se divide en niveles de riesgo de "interés, precaución, alerta y grave". En la etapa de interés se realizan inspecciones periódicas y frecuentes. En la etapa de precaución, cuando las grietas son inferiores a 5 mm y a 2º, se refuerza la vigilancia. En las etapas de alerta, se prepara una investigación precisa y planes de acción para el desastre. En la etapa de gravedad, se controlan los caminos adyacentes y se aplican medidas de emergencia como la retirada de rocas desprendidas.

Antes de instalar el medidor de grietas basado en IA, se creó con antelación un equipo de investigación formado por geólogos y expertos en prevención de catástrofes para gestionar sistemáticamente los desprendimientos de rocas y las pendientes pronunciadas con el fin de investigar las zonas con riesgo de accidentes por desprendimientos de rocas a lo largo de los senderos de los parques nacionales. Además, las zonas con riesgo para la seguridad se clasificaron de la A a la E según el grado de riesgo, la pendiente y otras características geológicas, y se convirtieron en bases de datos.

En los últimos 10 años se han producido 81 desprendimientos de rocas en el parque nacional, con un balance de 3 muertos y 6 heridos, y daños materiales por valor de unos 2 100 millones de KRW. Sin embargo, desde 2018, cuando se utilizó el medidor de grietas basado en IA, no ha habido ninguna víctima mortal ni ningún herido entre los visitantes debido a desprendimientos de rocas. Además, se necesitaba mucho tiempo y trabajo para inspeccionar uno por uno todos los medidores de grietas instalados en todo el parque nacional. Con el tiempo ahorrado, los guardas del parque pueden concentrarse más en otras actividades de gestión del parque, lo que mejora enormemente la satisfacción interna.

CCTV inteligente basado en IA

El CCTV inteligente basado en IA es un sistema científico de gestión de la seguridad que utiliza la tecnología de aprendizaje profundo para controlar las emergencias en el análisis de imágenes en tiempo real. Al reconocer y analizar patrones de comportamiento anómalos, como intrusión, gritos, deambulación, etc., se envía inmediatamente una emisión de alerta al lugar y se entrega al sistema de control, siguiendo las respuestas de emergencia.
Además, en el caso de los parques nacionales marítimos/costeros con un alto riesgo de accidentes de seguridad debido a las mareas y las mareas, la emisión de los horarios de las mareas se emite automáticamente al sitio. El CCTV inteligente se instaló en 2020 y actualmente funciona en 89 lugares de 15 parques nacionales.

El factor de habilitación más importante es seleccionar la ubicación óptima donde el equipo pueda funcionar eficazmente. Los CCTV inteligentes se instalaron seleccionando zonas en las que en el pasado se producían con frecuencia accidentes por ahogamiento. Otro factor de éxito es disponer de un conjunto de sistemas para hacer frente a las emergencias. Cuando se activa el sistema de alarma AI, el centro de control general de la sede central de KNPS comprueba la transmisión en tiempo real para captar rápidamente la situación y, a continuación, los equipos de rescate de los parques nacionales se desplazan al lugar para iniciar las operaciones de salvamento.

El CCTV inteligente basado en IA es un sistema científico de gestión de la seguridad que utiliza tecnología de aprendizaje profundo. Con el fin de mejorar continuamente la precisión del aprendizaje profundo, los expertos siguen manteniendo el software y proporcionando asistencia técnica sobre el terreno para que pueda gestionarse de forma estable. A medida que se acumulan datos para el aprendizaje profundo, se espera que aumente el nivel operativo del sistema. Sobre la base de estos logros y limitaciones, es necesario mejorar gradualmente los numerosos CCTV que han sido supervisados por mano de obra utilizando esta tecnología innovadora en relación con el sistema de gestión de la seguridad de KNPS.

Herramienta de evaluación del impacto sobre la biodiversidad (BiA)

Con el fin de permitir la consulta automática e instantánea de la evaluación del impacto sobre la biodiversidad, se ha desarrollado la herramienta BiA para facilitar los servicios de consulta a los planificadores del territorio y otras partes interesadas a través de la plataforma Azure. La herramienta BiA funciona superponiendo el lugar o la región de la consulta (o los proyectos de construcción existentes) con múltiples capas geográficas que incluyen la distribución de especies y el área de distribución de zonas protegidas para investigar si el lugar o la región se encuentra a una distancia determinada (por ejemplo, 3 km, 5 km) y puede causar un impacto en el hábitat de especies en peligro de extinción y/o zonas protegidas. Los informes de evaluación ilustran los riesgos ecológicos y medioambientales de los proyectos de construcción para los responsables de la toma de decisiones y cabe esperar que les animen a tener en cuenta la biodiversidad.

Breve cronología de la herramienta BiA:

  • Abr-Jun 2020: formación del equipo, comunicación de requisitos, plan de desarrollo del sistema
  • Julio-septiembre de 2020: desarrollo de la herramienta
  • Oct 2020: prueba de ensayo, aplicación y difusión
  • (en preparación) Abr-Sep 2022: actualización del sistema
  • Años de acumulación de recopilación de datos y constante reflexión sobre los enfoques de aplicación de los datos.
  • Base teórica y técnica acumulada a partir de la investigación a largo plazo y la práctica de la conservación.
  • Promoción de la herramienta BiA entre sus usuarios potenciales, como gobiernos, inversores y empresas.
  • Seguimiento del funcionamiento de la herramienta y de los comentarios de los usuarios para mejorarla.
  • La aplicación de datos es el paso más importante de todo el flujo de trabajo de datos, en el que los datos se convierten en información valiosa para las partes interesadas. Los informes de aplicación de datos eficaces deben tener en cuenta a la audiencia (por ejemplo, ser concisos y centrados).
  • Completar el desarrollo y la publicación no es el último paso de una herramienta. También es muy importante encontrar usuarios potenciales y convencerles de que utilicen la herramienta. Una herramienta tiene que utilizarse para aportar el máximo valor.
Plataforma de visualización de datos de ciencia ciudadana

Durante las campañas de vigilancia de la naturaleza, se invita a los ciudadanos científicos a observar y registrar puntualmente la vida salvaje, lo que no sólo refuerza la conexión entre los ciudadanos y la naturaleza, sino que también sirve como prometedora fuente de datos sobre la distribución de especies. Los datos de registro de especies recogidos por los científicos ciudadanos a través del cuestionario en línea fluyen automáticamente a la base de datos de la plataforma de visualización (tras la limpieza de datos y la comprobación periódica manual) y se convierten en gráficos y mapas visualizados intuitivos y atractivos (de dos tipos: espacial, espacial y temporal) a través de Power BI. La plataforma, con versión web y móvil, proporciona información en tiempo real sobre los esfuerzos de vigilancia de la naturaleza de los científicos ciudadanos, lo que aumenta su sensación de logro y motiva su futura participación en actividades de vigilancia de la naturaleza. Además, dado que la plataforma integra múltiples campañas de observación de la naturaleza con enlaces a artículos web sobre análisis específicos de cada campaña, ofrece un amplio abanico de conocimientos sobre biodiversidad y permite la "observación virtual de la naturaleza" para que los ciudadanos conozcan la vida silvestre de otras regiones.

Breve cronograma de la plataforma:

  • Ene-Feb 2021: formar equipo, analizar análisis, elaborar anteproyecto
  • Mar-Jun 2021: desarrollo de la base de datos y la plataforma
  • Julio-agosto de 2021: prueba de ensayo
  • Septiembre de 2021: lanzamiento y promoción
  • Un cuestionario de recogida de datos bien diseñado y un mecanismo automático de limpieza de datos para garantizar la calidad de los mismos y una comprobación manual periódica (normalmente una vez por temporada) para garantizar la realidad de los datos.
  • Selección de métodos de visualización y diseño estético con la participación de científicos ciudadanos.
  • Tecnología PowerBI.
  • Funcionamiento y mantenimiento de la comunidad WeChat de científicos ciudadanos.
  • Como producto de divulgación pública, nunca está de más pulir los contenidos y el diseño estético para que la plataforma resulte fácil de usar y atractiva.
  • Involucrar a los usuarios en la fase de planificación y recoger sus opiniones es muy útil para identificar sus necesidades.
  • Es necesario que los cuestionarios estén bien diseñados y que los científicos ciudadanos estén bien formados antes de registrar los datos. De lo contrario, es fácil que se pierdan datos.
Sistema de gestión de datos de cámaras trampa

Para acelerar los flujos de trabajo de datos de las cámaras trampa, se está desarrollando, con el apoyo de socios técnicos, un sistema de gestión de datos en línea junto con herramientas basadas en aplicaciones y reconocimiento de imágenes mediante IA, que consiste en:

  • Aplicación comunitaria de asistencia para el seguimiento de cámaras trampa: la aplicación permite a los monitores locales registrar automáticamente la hora y la ubicación GPS de la instalación/recogida de las cámaras trampa, lo que ahorra el engorroso proceso de recopilación de datos de los monitores locales y la introducción manual de datos. (proyecto: Jun 2019, desarrollo: Oct 2019-Feb 2020, prueba y uso: Mar-Oct 2020)
  • Modelos de reconocimiento de imágenes de IA: Los modelos de IA ayudan a detectar animales e identificar especies en fotos de cámaras trampa, lo que reduce en gran medida el número de fotos que necesitan identificación humana y mejora la eficiencia del procesamiento de datos.
    • Se ha entrenado y/o probado una serie de modelos de IA con socios técnicos, incluido el modelo PU & PKU ResNet18 (2018), MegaDetector (solo prueba, 2020), modelo MindSpore YOLOv3 (2021).
  • Plataforma de gestión de datos en línea: la información de las cámaras trampa recopilada a través de la aplicación junto con las fotos se cargan en una base de datos estructurada en la nube. La plataforma de gestión de datos no solo permite la identificación de especies mediante IA y humanos, sino también la búsqueda global de datos y la elaboración de informes estadísticos. (proyecto: Abr-Ago 2021, desarrollo: Sept 2021-Jun 2022, prueba y uso: Jul 2022)
  • Una revisión sistemática del flujo de trabajo actual de los datos de cámaras trampa y su traducción en necesidades técnicas de desarrollo de sistemas.
  • Modelos de reconocimiento de IA de imágenes de cámaras trampa de código abierto y buen rendimiento
  • Recursos en la nube para computación de IA, almacenamiento de datos, etc.
  • Rondas de pruebas y comentarios para corregir errores y mejorar la usabilidad del sistema.
  • Roma no se construyó en un día. Debido a las limitaciones de tiempo y recursos, tenemos que dividir el sistema en distintos módulos y desarrollarlos paso a paso. Creemos que cada módulo por sí mismo puede mejorar uno o varios pasos de nuestro flujo de trabajo y nos hemos beneficiado de los módulos antes de incorporarlos al sistema completo. Sin embargo, es importante tener una perspectiva global al principio y hacer planes a largo plazo para la integración final del sistema.
  • Un sistema no puede ser perfecto desde el principio. Cuando la aplicación se lanzó por primera vez y se puso en marcha en una comunidad, no funcionó como esperábamos y los monitores locales informaron de diversos tipos de fallos. Recogimos y analizamos los comentarios para mejorar el diseño de la interfaz de usuario y la funcionalidad de la aplicación.
Formación y capacitación

La formación del personal es importante para garantizar la implantación eficaz y el éxito a largo plazo de la solución. Dé prioridad a la formación durante la fase de diseño y despliegue, así como después del despliegue para garantizar el uso continuado de la solución.

  • Los responsables técnicos o campeones que impulsen la formación y el uso sobre el terreno mejoran las posibilidades de éxito.
  • Utilice las herramientas de elaboración de informes de la organización para hacer un seguimiento de la participación y el uso de los usuarios y determinar cuándo y si no están utilizando las aplicaciones según lo previsto. Identifique por qué puede haber un problema y colabore con ellos para solucionarlo.
  • Las barreras lingüísticas pueden ser un problema y los formularios deben ser sencillos para que la recogida de datos sea eficaz.
  • La formación no debe considerarse un ejercicio aislado, sino un proceso continuo.
  • La rotación de personal es una realidad y las organizaciones deben garantizar la continuidad contando siempre con más de un miembro senior del personal formado en los distintos flujos de trabajo y la administración de ArcGIS Online.
  • Los socios de implantación pueden hacer que la formación y el soporte a largo plazo de la solución sean más manejables.
Plataforma Restor

Gracias a la plataforma Restor.eco, analizamos el potencial de restauración de nuestra reserva, monitorizando los cambios a lo largo del tiempo con imágenes de satélite y datos geoespaciales, conociendo así la biodiversidad local y sus características, el carbono actual y potencial del suelo, así como otras variables como los patrones de cobertura del suelo, la acidez del suelo o las precipitaciones anuales, utilizando aprendizaje automático, inteligencia artificial y unidades de medida científicas.

  • Acceso a la información espacial.
  • Datos y recursos científicos actualizados.
  • Aumenta el impacto, la escala y la sostenibilidad de los esfuerzos de restauración.
  • Restor acelera el movimiento mundial de restauración conectando a todos, en todas partes, con la restauración local.
  • Restor conecta a las personas con los datos científicos, las cadenas de suministro, la financiación y entre sí para aumentar el impacto, la escala y la sostenibilidad de los esfuerzos de restauración.
  • No se trata sólo de árboles o bosques, sino también de praderas, humedales, hábitats costeros y todos los demás lugares que sustentan la vida en la Tierra.
Aplicaciones móviles

El uso de aplicaciones móviles como eBird, iNaturalist y Merlin Bird ID ha tenido para nosotros un impacto positivo en el seguimiento del ecosistema y la biodiversidad.

  • Compromiso con la comunidad y educación medioambiental.
  • Apoyo a organizaciones internacionales como Cornell Lab of Ornithology y Environment for the Americas.

Los conocimientos locales y las comunidades locales son muy importantes para el proceso de seguimiento y la conservación/restauración de los ecosistemas.

Seguimiento de la población

Para evaluar el estado de la población se llevaron a cabo sesiones de marcado y recaptura dirigidas por la agencia. El estado de la población (es decir, si la población es estable, aumenta o disminuye) es un importante indicador biológico del éxito del proyecto. Si el número de peces disminuye, pueden aplicarse estrategias de gestión adaptativa e intentar invertir las tendencias. Por el contrario, si aumentan, el éxito puede repetirse en otros lugares.

Las sesiones de marcaje y recaptura están dirigidas por el Departamento de Vida Silvestre de Nevada con la ayuda del Servicio de Pesca y Vida Silvestre de EE.UU., Springs Preserve y el personal de la Autoridad de Aguas del Sur de Nevada. Esta cooperación permite mejorar la comunicación y mantener el apoyo al proyecto.

Tras una sesión de marcado y recaptura en octubre del primer año del proyecto, se recogieron peces vivos con una capa de hongos creciendo sobre sus cuerpos. Un laboratorio de patología de peces del USFWS concluyó que "los peces maduros inmunodeprimidos estaban sucumbiendo a bacterias y hongos acuáticos oportunistas". Los patólogos especularon que los patógenos eran el resultado de dos factores de estrés: (1) ambiental - una caída de 7°C en la temperatura del agua (es decir, de 22°C a 15°C entre la primera y la segunda sesión de captura); y (2) antropogénico - captura, manipulación y marcado durante un estudio de marcado y recaptura, de 22°C a 15°C entre la primera y la segunda sesión de captura); y (2) antropogénicos: captura, manipulación y marcado durante un estudio de marcado y recaptura. En consecuencia, el calendario de los estudios de marcado y recaptura se trasladó del otoño al final del verano y el problema no ha vuelto a producirse desde entonces.

Plataforma de Coordinación para la Gestión Sostenible de los Pastos

En Armenia se organizó una Plataforma de Coordinación de Pastos como red horizontal de gestión entre las partes interesadas a nivel nacional y subnacional. Cada parte está representada por un portavoz, que coordina las funciones de la parte dentro de la Plataforma y garantiza el flujo de información. Una secretaría garantiza el funcionamiento de la Plataforma. El motivo de la creación de la Plataforma fue la necesidad de promover una cooperación eficaz, el intercambio de información, así como la coordinación de actividades entre los proyectos ejecutados en Armenia, centrados en la gestión sostenible de las zonas forrajeras naturales.

Desde 2018, la Plataforma ha evolucionado y ahora más de 10 organizaciones, instituciones, proyectos y organismos de la administración pública participan en las actividades de la Plataforma, con el objetivo de garantizar la viabilidad de los programas y las inversiones en el área de la ganadería, aumentar las oportunidades económicas de las comunidades y apoyar el crecimiento de los ingresos de los residentes rurales en Armenia. Los objetivos clave de la Plataforma de Coordinación son:

  • Coordinación, intercambio de información y experiencias, identificación de áreas potenciales de cooperación
  • Ejecución de proyectos y actividades conjuntos
  • Defender y apoyar el desarrollo de la política estatal y la legislación pertinentes que promuevan el uso y la gestión sostenibles de las zonas forrajeras naturales

  • La plataforma tiene un objetivo claro: "mejorar la situación y los medios de vida de la población rural que depende de las zonas forrajeras naturales, utilizando y conservando de forma sostenible estos ecosistemas naturales".

  • Las partes, tanto gubernamentales como no gubernamentales, sintieron la necesidad de coordinación, cooperación e intercambio.

  • Se firmó oficialmente un memorando para establecer la plataforma.

  • Todos los miembros tienen funciones claramente diferenciadas.

  • La participación activa de las partes interesadas de la comunidad en la toma de decisiones y la coordinación de los proyectos locales fue crucial. Poner a los grupos de trabajo locales a cargo de la ejecución local no sólo generó un alto nivel de apropiación del proyecto y garantizó el compromiso de la comunidad.

  • La coordinación con otras organizaciones de desarrollo a escala local fue un factor clave. La armonización de estas diferentes intervenciones locales dio lugar a un cambio integral y positivo para las comunidades. Cada intervención se complementó con las demás y no habría logrado los mismos resultados como actividad aislada.

  • Sobre la base del memorando de entendimiento, el interés común y la necesidad de cooperar de todas las partes interesadas en la plataforma aumentaron su compromiso y garantizaron la continuidad del proceso.

  • Los órganos consultivos multipartitos se enfrentan a grandes riesgos derivados de cambios imprevistos en las instituciones gubernamentales o incluso dentro de sus propios partidos. La documentación meticulosa de los acuerdos y actividades ha demostrado ser una medida importante para hacer frente a este riesgo.