Lo strumento Mamba ci permette di raccogliere materiale vegetale tramite semi o talee dalle specie a rischio che abbiamo identificato e mappato nel blocco precedente. Questo strumento ha un raggio d'azione effettivo di oltre 1000 metri, rendendo disponibili per le azioni di gestione anche le aree più inaccessibili.

Gli strumenti dei droni sono stati fondamentali come primo passo nella valutazione della flora delle scogliere. Utilizzando i droni per ottenere punti di vista unici su questi ambienti, possiamo ora mappare la distribuzione e l'abbondanza di specie endemiche di scogliere a rischio critico e accelerarne la conservazione. Le indagini sul campo sono state condotte alle Hawaii, nella Repubblica di Palau e a Madeira (Portogallo) con risultati estremamente positivi.

Gli anfibi sono più minacciati e stanno diminuendo più rapidamente degli uccelli e dei mammiferi. Le popolazioni di anfibi stanno diminuendo a causa di molteplici fattori, come il cambiamento climatico, il fungo chytrid e altri fattori antropici come il traffico di specie. Tuttavia, il livello di minaccia per gli anfibi è senza dubbio sottostimato perché 1294 specie (22,5%) sono troppo poco conosciute per essere valutate, rispetto a solo 78 uccelli (0,8%)(Stuart et al., 2004).

Questo deficit di conoscenza sottolinea l'importanza vitale di strumenti educativi come Ribbit per democratizzare la ricerca scientifica. Abbassando le barriere al monitoraggio ecologico, applicazioni come Ribbit trasformano gli osservatori passivi in partecipanti attivi alla conservazione. Le tecnologie educative consentono ai cittadini scienziati di contribuire direttamente alla comprensione e alla protezione degli ecosistemi vulnerabili, affrontando i limiti critici della ricerca attraverso una maggiore raccolta di dati in regioni poco studiate.

Queste piattaforme innovative aumentano la consapevolezza del pubblico sulle sfide della biodiversità, fornendo al contempo percorsi accessibili per l'impegno scientifico. A differenza delle applicazioni dedicate agli uccelli, che dispongono di infrastrutture di ricerca consolidate, la conservazione degli anuri è stata priva di piattaforme di citizen science complete. Ribbit colma questa lacuna critica mettendo i singoli individui in condizione di contribuire in modo determinante alla ricerca sugli anfibi, ribaltando il problema della carenza di dati e sostenendo gli sforzi di conservazione globale attraverso una gestione dell'ambiente collaborativa e abilitata dalla tecnologia. È la prima applicazione a includere informazioni su oltre 800 specie di anfibi, in quattro lingue, tra cui il tipo di richiamo, la foto, le informazioni CITES (se le specie sono trafficate o utilizzate per scopi commerciali, per rispondere agli obiettivi 5 e 9 del GBF), lo stato IUCN (se le specie sono in pericolo, per rispondere all'obiettivo 4 del GBF) e informazioni generali sul comportamento e la riproduzione degli animali.

La conservazione degli ecosistemi è fondamentale per contenere i cambiamenti climatici e mantenere i servizi ecosistemici (obiettivo 11 del GBF), che sono strettamente legati a oltre il 50% del PIL mondiale. Oltre 1 milione di specie sono a rischio di estinzione in questo secolo; tuttavia, la selezione delle aree da preservare è un'impresa ardua a causa dell'attuale carenza di dati, che è orientata verso le osservazioni nel Nord del mondo. Aumentare la quantità di dati sulla biodiversità nel Sud globale è fondamentale per la conservazione delle specie a rischio, che si trovano ad alta densità negli hotspot di biodiversità del Sud globale. Gli anfibi sono ideali per l'identificazione acustica grazie alle loro diverse vocalizzazioni e sono indicatori cruciali dell'ecosistema(Estes-Zumpf et al., 2022), con oltre il 40% delle specie a rischio di estinzione(Cañas et al., 2023). Aumentare i dati etichettati per le oltre 7.000 specie di anfibi in tutto il mondo migliorerebbe gli sforzi di conservazione e ridurrebbe le lacune di conoscenza negli ecosistemi vulnerabili. Utilizzando una piattaforma di citizen science per aiutare a mitigare la perdita di biodiversità, contribuiamo a stabilire una gestione ambientale locale di questi habitat critici (obiettivo 20 del GBF).

Altre app per i cittadini hanno dimostrato il potenziale della citizen science nel mitigare la perdita di biodiversità. eBird, il più grande progetto di citizen science legato alla biodiversità, conta 100 milioni di osservazioni di uccelli da parte di utenti di tutto il mondo. Queste osservazioni aiutano a "documentare la distribuzione, l'abbondanza, l'uso dell'habitat e le tendenze degli uccelli attraverso un elenco di specie raccolte, all'interno di un semplice quadro scientifico".(Sánchez-Clavijo et al., 2024).

Anche iNaturalist, un'altra applicazione di citizen science che utilizza algoritmi di visione computerizzata per l'identificazione delle specie, si è dimostrata efficace nel mitigare la perdita di biodiversità. Ad oggi, l'applicazione conta oltre 200.000.000 di osservazioni, con 6 milioni di osservazioni al mese, a livello globale. Su iNaturalist, le osservazioni di livello di ricerca vengono condivise con il GBIF, che a sua volta utilizza queste conoscenze per le decisioni politiche, la ricerca e la costruzione della comunità(GBIF, 2023).

Attualmente, la nostra applicazione identifica 71 specie di rane e rospi in tutto il mondo. Sebbene molte di esse siano identificate come meno preoccupanti (LC) secondo la IUCN, abbiamo una specie minacciata dalla IUCN, la rana campanula meridionale(Ranoidea raniformis). Questa mancanza di specie minacciate sottolinea la necessità che diversi operatori partecipino al monitoraggio ecologico bioacustico. L'aumento dei dati relativi alle specie vulnerabili può servire a informare le decisioni politiche utilizzando le intuizioni basate sui dati. Le comunità locali e le popolazioni indigene saranno una risorsa fondamentale per aumentare il numero di specie incluse nell'applicazione, poiché le loro conoscenze locali ci permettono di tracciare le specie in regioni remote.

È stato dimostrato che le app di citizen science aiutano a monitorare la biodiversità e coinvolgono gli appassionati di natura(Callaghan et al., 2019). Ad esempio, FrogID, un'applicazione del Museo australiano, consente agli utenti di registrare i richiami delle rane la cui identità viene verificata da validatori umani. Ad oggi, FrogID ha pubblicato documenti relativi al monitoraggio di specie invasive(Rowley e Callaghan, 2023), alla valutazione della lista rossa dell'IUCN(Gallagher et al., 2024), alla valutazione dell'impatto degli incendi (Mitchell et al., 2023), alla comprensione dell'impatto dell'urbanizzazione(Callaghan et al., 2020) e allo studio del comportamento dei richiami delle rane(Liu et al., 2022). Il nostro obiettivo è ottenere risultati simili con Ribbit, con specie di anuri di tutto il mondo e in tempi più brevi. Ad oggi, il team di FrogID ha un arretrato di oltre 18.000 richiami, che potrebbe essere notevolmente ridotto con la nostra applicazione, poiché il tempo di elaborazione è notevolmente ridotto con l'implementazione di algoritmi di apprendimento automatico.

Durante la prima fase di beta testing della nostra applicazione, 50 utenti hanno inviato registrazioni per l'identificazione. Il loro feedback è stato positivo: gli esperti in materia hanno sottolineato che la specie registrata corrispondeva a quella prevista da Ribbit, e gli appassionati di natura hanno apprezzato la funzione "Rana del giorno" che introduce una nuova specie di anuro o permette loro di ri-conoscere anuri già noti attraverso il nome e la vocalizzazione più comune della specie (obiettivo GBF 11).

L'approccio di Ribbit alla democratizzazione dei dati rappresenta un processo attentamente curato di contributo scientifico guidato dai cittadini. Sfruttando i set di dati pubblici esistenti di iNaturalist sounds e Anuraset, l'applicazione stabilisce una solida base per il monitoraggio della biodiversità acustica. Questi set di dati iniziali forniscono una base completa per l'addestramento dell'apprendimento automatico, garantendo modelli iniziali di alta qualità per l'identificazione degli anuri.

L'innovativa strategia di raccolta dei dati dell'applicazione va oltre la raccolta di informazioni, implementando un rigoroso processo di controllo della qualità dei dati forniti dagli utenti. Ogni registrazione inviata dai cittadini sarà sottoposta a un'accurata verifica prima di essere potenzialmente inserita nella Global Biodiversity Information Facility (GBIF). Questo approccio trasforma la raccolta passiva di dati in un processo scientifico attivo e collaborativo in cui i cittadini possono contribuire in modo significativo alla ricerca sulla conservazione, rispondendo all'obiettivo 14 del GBF, ovvero "Integrare la biodiversità nel processo decisionale a ogni livello".

Ribbit mantiene rigorosi protocolli di privacy e protezione dei dati. Riconoscendo la natura sensibile dei dati ecologici, in particolare per quanto riguarda le specie rare e le informazioni precise sulla posizione, l'applicazione implementa rigorosi meccanismi di consenso degli utenti. Nessun dato dell'utente sarà condiviso o distribuito senza l'approvazione esplicita e informata del contributore, proteggendo sia i soggetti ecologici che la privacy dei cittadini scienziati.

I processi ecologici rilevanti e gli incidenti di interesse per la ricerca sui cambiamenti ambientali si verificano tipicamente in aree remote, al di fuori della portata delle infrastrutture di comunicazione terrestri. In queste regioni, i dati generati sul campo utilizzando le targhette degli animali possono spesso essere trasmessi solo con un ritardo di giorni o addirittura di settimane. Per superare questo ritardo e garantire l'assenza di ritardi nel sistema di allerta precoce, GAIA ha sviluppato un modulo di comunicazione satellitare per i tag e un nanosatellite che opera in orbita terrestre bassa (LEO): Per poter trasmettere i dati e le informazioni raccolte direttamente dal nodo trasmittente al satellite LEO (Low Earth Orbit), nei nuovi tag sarà integrato un modulo radio IoT satellitare ad alte prestazioni. Questo garantisce una trasmissione immediata, sicura ed efficiente dal punto di vista energetico dei dati estratti. Il sistema di comunicazione si basa sulla tecnologia terrestre mioty® e sarà adattato alle bande di frequenza tipiche dei satelliti, come la banda L e S, per il progetto. I protocolli di comunicazione tipici, talvolta utilizzati nel settore IoT, sono solitamente progettati per pacchetti di piccole dimensioni. L'ulteriore sviluppo del sistema mioty® mirerà quindi ad aumentare la velocità dei dati e la dimensione dei messaggi per consentire scenari applicativi come la trasmissione di immagini.

Il sistema IoT satellitare sarà fondamentale per una comunicazione senza ritardi e quindi per un sistema di allerta precoce. Contribuisce notevolmente al sistema GAIA nel raggiungimento dell'obiettivo 4 del GBF "Arrestare l'estinzione, proteggere la diversità genetica e gestire i conflitti tra uomo e fauna selvatica".

Per raggiungere l'obiettivo dell'Iniziativa GAIA di sviluppare e mettere in pratica un sistema di allerta precoce ad alta tecnologia per i cambiamenti ambientali, una nuova generazione di etichette per animali è una componente chiave. I team di GAIA stanno lavorando allo sviluppo hardware e software di targhette per animali miniaturizzate con una tecnologia di sensori a basso consumo, con telecamera ed elaborazione delle immagini. Le targhette saranno autonome dal punto di vista energetico, si adatteranno in modo ottimale all'anatomia degli avvoltoi e saranno la base per ulteriori caratteristiche tecnologiche in fase di sviluppo, come le intelligenze artificiali di bordo per il rilevamento del comportamento e il riconoscimento delle immagini, nonché un sistema di comunicazione IoT basato su satellite.

Inoltre, GAIA sta sviluppando concetti di intelligenza artificiale distribuita e reti di microprocessori - tag animali che agiscono proprio come uno sciame. Analogamente all'intelligenza naturale degli sciami, l'iniziativa GAIA sta mappando l'intelligenza digitale degli sciami in una rete ad hoc di microprocessori. Queste reti che si formano spontaneamente sono la base per l'analisi distribuita e basata su sensori di grandi quantità di dati. Seguendo questa strada sarà possibile, ad esempio, per i tag degli avvoltoi, presenti nello stesso luogo durante gli eventi di alimentazione, collegarsi e condividere compiti come le analisi di intelligenza artificiale e la trasmissione dei dati.

Per la ricerca ecologica e per i casi d'uso di GAIA, è necessario riconoscere in modo affidabile e preciso il comportamento di diverse specie animali per un lungo periodo di tempo in regioni selvagge e remote. A tal fine, gli scienziati di GAIA hanno sviluppato e addestrato un'intelligenza artificiale (AI) in grado di eseguire una classificazione comportamentale a partire dai dati GPS e di accelerazione e di dirci esattamente cosa stanno facendo, ad esempio, gli avvoltoi dal dorso bianco muniti di targhetta in un determinato momento e luogo. L'intelligenza artificiale verrà eseguita direttamente sulle targhette GAIA e genererà informazioni comportamentali dai dati dei sensori. In una seconda fase, gli scienziati hanno combinato il comportamento così classificato con i dati GPS delle targhette. Utilizzando algoritmi di clustering spaziale, hanno identificato i luoghi in cui determinati comportamenti si verificavano più frequentemente. In questo modo, hanno ottenuto una risoluzione spaziale e temporale dei luoghi in cui gli avvoltoi si nutrivano. Infine, GAIA sta sviluppando un'intelligenza artificiale per il riconoscimento delle immagini che analizzerà le foto scattate dalla fotocamera integrata del nuovo sistema di tag. Tutti questi algoritmi verranno eseguiti direttamente sul tag e potranno eseguire un'efficiente elaborazione dei dati incorporati. Ciò pone requisiti molto particolari all'IA per il riconoscimento delle immagini, che deve operare in modo particolarmente parsimonioso e con piccole quantità di dati. A tal fine, i team di GAIA stanno sviluppando strategie e modelli appropriati per l'IA rada.

Questa nuova pipeline di rilevamento delle carcasse è una risorsa fondamentale per arrestare l'estinzione delle specie e gestire i conflitti tra uomo e fauna selvatica, e pertanto si allinea all'obiettivo 4 del GBF. La pipeline consente di rilevare rapidamente la morte degli avvoltoi o la morte dell'animale di cui gli avvoltoi si stanno nutrendo. Entrambi gli scenari sono rilevanti per arrestare l'estinzione delle specie: L'avvelenamento delle carcasse contribuisce in modo significativo al declino delle popolazioni di molte specie di avvoltoi. Poiché gli avvoltoi utilizzano strategie sociali nella ricerca del cibo, una carcassa avvelenata può uccidere centinaia di uccelli. Gli scienziati dell'Iniziativa GAIA hanno dimostrato che la marcatura degli avvoltoi consente di individuare precocemente i decessi e di rimuovere la carcassa. La marcatura degli avvoltoi e l'utilizzo delle linee di AI qui descritte possono ridurre in modo sostanziale ulteriori decessi. In secondo luogo, il rilevamento precoce di episodi di bracconaggio di specie minacciate può porre fine al bracconaggio a livello locale e contribuire in modo significativo alla lotta contro l'estinzione.

I satelliti e gli aerei svolgono un ruolo cruciale nella raccolta di dati ambientali a distanza, aiutandoci a comprendere meglio il clima e gli ecosistemi. Il telerilevamento, spesso condotto da aerei, palloni aerostatici o satelliti, ci permette di monitorare vaste aree e regioni remote per periodi prolungati. Questi "occhi nel cielo" sono un prezioso complemento alle osservazioni terrestri e ci aiutano a comprendere le correnti oceaniche e aeree, i cambiamenti della copertura del suolo e i cambiamenti climatici. Tuttavia, anche gli animali possiedono sensi straordinari e una capacità unica di rilevare i cambiamenti nei loro habitat. Combinando le capacità degli animali con le tecnologie di telerilevamento, GAIA mira a migliorare la nostra capacità di monitorare e comprendere il nostro pianeta. Gli animali possiedono capacità sensoriali superiori e strategie comportamentali che consentono loro di percepire cambiamenti sottili e drammatici nei loro ecosistemi, nonché di rilevare incidenti critici. Gli avvoltoi, ad esempio, agiscono come "specie sentinella" e possono elevare il concetto di telerilevamento a nuovi livelli. Pattugliano regolarmente vaste aree alla ricerca di cibo, operando senza emissioni, risorse aggiuntive o riparazioni. Inoltre, i loro pattugliamenti sono guidati da una vista eccezionale e dalla missione di trovare le carcasse. Il modo in cui pattugliano, ciò che cercano e gli incidenti a cui ci conducono possono essere legati a specifici cambiamenti ambientali ed eventi ecologici.

Per sfruttare appieno il potenziale del telerilevamento effettuato dagli avvoltoi, GAIA si concentra su due aspetti essenziali. In primo luogo, agli avvoltoi vengono applicati potenti dispositivi di localizzazione per monitorare i loro movimenti e comportamenti su scale temporali e spaziali dettagliate. In secondo luogo, vengono sviluppate nuove soluzioni tecnologiche per comprendere meglio ciò che gli animali osservano e fanno. Tra queste, un tag di nuova concezione con fotocamera integrata, algoritmi di intelligenza artificiale per il rilevamento del comportamento e il riconoscimento delle immagini e un uplink satellitare per la copertura in tempo reale delle regioni remote. Grazie a questi strumenti, gli animali possono catturare immagini e fornire dati sull'ambiente circostante più rapidamente, con una risoluzione e una specificità maggiori rispetto alle immagini satellitari. Questo approccio innovativo ci permette di vedere la natura con gli occhi degli animali.

GAIA ha adottato una strategia di minimizzazione degli sprechi: Vengono utilizzate e sviluppate solo le attrezzature tecniche assolutamente indispensabili. I collari e le targhette rimangono per lunghi periodi di tempo (ad esempio per gli avvoltoi) o vengono raccolti di routine (ad esempio per i leoni) per estrarre i dati. Nessun trasmettitore rimane nel paesaggio: se un trasmettitore cade o l'animale che porta la targhetta muore, viene localizzato e rimosso dal paesaggio. In questo modo, il sistema GAIA è un sistema "che non lascia tracce" con notevoli benefici per gli ecosistemi.