China Nature Watch: utilizzare la tecnologia per la raccolta e l'applicazione di informazioni sulla biodiversità per facilitare un processo decisionale rispettoso della biodiversità
Soluzione completa
Sistema di gestione dei dati delle fotocamere: Pagina di identificazione delle specie
Shan Shui Conservation Center
I dati di base sulla biodiversità sono fondamentali per il processo decisionale e le pratiche di conservazione, ma devono far fronte alla carenza di dati e all'asimmetria informativa. Con l'ausilio di strumenti tecnologici, China Nature Watch mira a rafforzare la raccolta di dati sulla biodiversità da varie fonti, in particolare dalla citizen science, a facilitare l'applicazione dei dati nella pianificazione territoriale e nella partecipazione pubblica e a integrare la conservazione della biodiversità.
In particolare, la tecnologia offre soluzioni efficaci a 3 moduli:
- Gestione dei dati delle fotocamere: sviluppo di un sistema di gestione dei dati online incorporato nell'intelligenza artificiale per semplificare e velocizzare la raccolta e l'elaborazione dei dati delle fotocamere.
- Visualizzazione dei dati di citizen science: utilizzo di PowerBI per analizzare automaticamente e visualizzare interattivamente i record delle specie raccolti dai citizen scientist.
- Strumento di valutazione dell'impatto sulla biodiversità (BiA): integrazione di dati ecologici ed edilizi provenienti da più fonti di dati per fornire una richiesta immediata di valutazione dell'impatto sulla biodiversità per i progetti edilizi tramite piattaforma cloud.
Ultimo aggiornamento: 30 Sep 2025
2223 Visualizzazioni
Contesto
Sfide affrontate
Ogni processo del flusso di lavoro dei dati sulla biodiversità, dalla raccolta, all'elaborazione, alla visualizzazione e all'applicazione, è macchinoso e noioso, richiede molto lavoro ripetitivo e ha urgente bisogno di essere semplificato e automatizzato.
- Gestione dei dati delle trappole fotografiche: il monitoraggio delle trappole fotografiche basato sulla comunità si scontra con i colli di bottiglia della bassa efficienza (ad esempio, la raccolta dei dati da parte degli osservatori della comunità locale, l'identificazione manuale delle specie) e della qualità instabile e relativamente bassa dei dati (ad esempio, dati errati e mancanti, alti tassi di foto vuote).
- Visualizzazione dei dati di citizen science: i prodotti di visualizzazione sono statici e specifici per la campagna, creati manualmente in diverse fasi di ogni campagna, che costano molto agli sforzi dei conservazionisti e forniscono solo feedback ritardati ai citizen scientist.
- Valutazione dell'impatto sulla biodiversità: la carenza di dati e la mancanza di accesso pubblico ai dati hanno limitato gli scenari di utilizzo degli stessi. Inoltre, la valutazione dell'impatto sulla biodiversità viene condotta manualmente per ogni indagine e i rapporti vengono redatti manualmente.
Posizione
Repubblica Popolare Cinese
Asia orientale
Processo
Sintesi del processo
La pianificazione generale e lo sviluppo di una partnership di supporto hanno fornito una base concreta per il progetto.
I dati delle fotocamere sono una fonte di dati integrale sulla distribuzione delle specie per il database di Nature Watch. Il sistema di gestione dei dati delle fotocamere velocizza il flusso di lavoro complessivo e migliora l'inserimento tempestivo dei dati delle fotocamere nel database. Analogamente ai dati dei cittadini scienziati, un'altra fonte di dati sulle specie, la piattaforma di visualizzazione contribuisce a stimolare l'entusiasmo dei cittadini scienziati e a incrementare le osservazioni delle specie. Entrambi gli elementi accumulano dati per lo strumento BiA, promuovendo una valutazione più accurata.
Inoltre, la piattaforma di visualizzazione e lo strumento BiA comportano una comunicazione pubblica rivolta a un pubblico diverso, completandosi a vicenda per l'obiettivo finale dell'integrazione della biodiversità.
Blocchi di costruzione
Analisi del flusso di lavoro, creazione di partnership e pianificazione generale
Anni di ricerca e di pratiche di conservazione non solo hanno sottolineato l'importanza dei dati sulla biodiversità, ma hanno anche rivelato i difetti dell'attuale flusso di lavoro, che vanno dalla gestione inefficiente dei dati, alla mancanza di integrazione dei dati, alle limitate applicazioni di dati accessibili al pubblico. Inoltre, questo flusso di lavoro è principalmente alimentato dall'uomo e spesso comporta un lavoro molto ripetitivo, che assorbe un'enorme quantità di tempo per i conservatori.
In seguito al rapido sviluppo della tecnologia, abbiamo gradualmente compreso il potenziale della tecnologia nel fornire soluzioni ai nostri "punti dolenti". Al fine di utilizzare gli strumenti tecnologici nei punti di maggiore necessità, è stata condotta una revisione e un'analisi sistematica dell'attuale flusso di lavoro per identificare i colli di bottiglia ad alta priorità e le possibili soluzioni. La riflessione è iniziata a maggio 2018 e si è concretizzata a partire da giugno 2019, dopo che sono emersi potenziali partner tecnici. Sulla base dell'analisi sistematica del flusso di lavoro e di una stretta collaborazione, abbiamo elaborato un piano graduale, con l'obiettivo di sviluppare i moduli uno alla volta, considerando le nostre risorse limitate e la manodopera (ad esempio, dall'applicazione assistente per il monitoraggio delle trappole fotografiche basato sulla comunità, allo strumento BiA, alla piattaforma di visualizzazione dei dati della citizen science, al sistema di gestione dei dati delle trappole fotografiche).
Fattori abilitanti
- Una revisione sistematica dell'attuale flusso di lavoro e un'analisi delle lacune che indichi dove gli strumenti tecnologici possono essere utili.
- Partner tecnici affidabili e di supporto (attraverso prove ed errori)
- Un piano ambizioso ma pratico
Lezione imparata
- Coinvolgere diversi colleghi nella discussione del flusso di lavoro e delle soluzioni tecniche è utile per raccogliere più idee preziose.
- Aziende tecniche diverse hanno stili di lavoro diversi. Scegliete quelle che si adattano al vostro stile di lavoro e ai vostri valori.
Sistema di gestione dei dati delle fotocamere
Per accelerare i flussi di dati delle trappole fotografiche, si sta sviluppando un sistema di gestione dei dati online con strumenti basati su app e riconoscimento delle immagini da parte dell'intelligenza artificiale, con il supporto di partner tecnici:
- Applicazione assistente per il monitoraggio delle trappole fotografiche a livello comunitario: l'applicazione consente agli osservatori locali di registrare automaticamente l'ora e la posizione GPS dell'installazione/prelievo delle trappole fotografiche, risparmiando l'oneroso processo di raccolta dei dati da parte degli osservatori locali e l'inserimento manuale dei dati. (progetto: Giugno 2019, sviluppo: Ottobre 2019-Feb 2020, prova e utilizzo: Mar-Ott 2020)
- Modelli di riconoscimento delle immagini AI: I modelli di intelligenza artificiale aiutano a rilevare gli animali e a identificare le specie nelle foto delle trappole fotografiche, riducendo notevolmente il numero di foto che richiedono l'identificazione umana e migliorando l'efficienza dell'elaborazione dei dati.
- Una serie di modelli AI è stata addestrata e/o testata con partner tecnici, tra cui il modello PU & PKU ResNet18 (2018), MegaDetector (solo test, 2020), il modello MindSpore YOLOv3 (2021).
- Piattaforma di gestione dei dati online: le informazioni sulle trappole con telecamera raccolte tramite l'app e le foto vengono caricate in un database strutturato su cloud. La piattaforma di gestione dei dati non solo supporta l'identificazione delle specie tramite l'IA e l'uomo, ma consente anche la ricerca globale dei dati e la stesura di rapporti statistici. (progetto: aprile-agosto 2021, sviluppo: settembre 2021-giugno 2022, prova e utilizzo: luglio 2022)
Fattori abilitanti
- Revisione sistematica dell'attuale flusso di dati delle fotocamere e traduzione in esigenze di sviluppo di sistemi tecnici.
- Modelli di riconoscimento dell'intelligenza artificiale delle immagini delle fototrappole open-source e con buone prestazioni.
- Risorse cloud per l'elaborazione dell'intelligenza artificiale, l'archiviazione dei dati, ecc.
- Prove di utilizzo e feedback per correggere i bug e migliorare l'usabilità del sistema.
Lezione imparata
- Roma non è stata costruita in un giorno. A causa dei vincoli di tempo e di risorse, abbiamo dovuto dividere il sistema in diversi moduli e svilupparli passo dopo passo. Crediamo che ogni modulo possa migliorare una o più fasi del nostro flusso di lavoro e abbiamo beneficiato dei moduli prima che venissero incorporati nel sistema completo. Tuttavia, è importante avere una prospettiva generale all'inizio e fare piani a lungo termine per l'integrazione finale del sistema.
- Un sistema non può essere perfetto fin dall'inizio. Quando l'app è stata lanciata e messa in uso in una comunità, non ha funzionato come ci aspettavamo e i monitor locali hanno segnalato vari tipi di bug. Abbiamo raccolto e analizzato i feedback per migliorare il design dell'interfaccia utente e la funzionalità dell'applicazione.
Piattaforma di visualizzazione dei dati di citizen science
Durante le campagne di osservazione della natura, i cittadini scienziati sono invitati a osservare e registrare tempestivamente la fauna selvatica, il che non solo rafforza il legame tra cittadini e natura, ma serve anche come promettente fonte di dati sulla distribuzione delle specie. I dati sulla distribuzione delle specie raccolti dai cittadini scienziati tramite questionario online confluiscono automaticamente nel database della piattaforma di visualizzazione (dopo la pulizia dei dati e il controllo periodico manuale) e si trasformano in grafici e mappe (di due tipi: spaziali, spaziali e temporali) intuitivi e attraenti tramite Power BI. La piattaforma, con versione web e mobile, fornisce un feedback in tempo reale agli sforzi di osservazione della natura dei cittadini scienziati, aumentando il loro senso di realizzazione e motivando la loro futura partecipazione alle attività di osservazione della natura. Inoltre, poiché la piattaforma integra diverse campagne di osservazione della natura con collegamenti ad articoli web su analisi specifiche di ciascuna campagna, offre un'ampia gamma di conoscenze sulla biodiversità e consente ai cittadini di "osservare la natura virtualmente" per conoscere la fauna selvatica in altre regioni.
Breve cronologia della piattaforma:
- gennaio-febbraio 2021: formazione del team, analisi delle analisi, elaborazione del progetto
- Mar-Giu 2021: sviluppo del database e della piattaforma
- luglio-agosto 2021: test di prova
- Settembre 2021: avvio e promozione
Fattori abilitanti
- Un questionario di raccolta dati ben progettato e un meccanismo di pulizia automatica dei dati per garantire la qualità dei dati e un controllo manuale periodico (di solito una volta a stagione) per garantire la realtà dei dati.
- Selezione dei metodi di visualizzazione e progettazione estetica con il coinvolgimento dei cittadini scienziati.
- Tecnologia PowerBI.
- Gestione e manutenzione della comunità WeChat di citizen scientist.
Lezione imparata
- Essendo un prodotto di divulgazione pubblica, non sarebbe mai troppo per lucidare i contenuti e il design estetico per rendere la piattaforma facile da usare e attraente.
- Coinvolgere gli utenti nella fase di progettazione e raccogliere le loro opinioni è molto utile per identificare le esigenze degli utenti.
- I questionari devono essere ben progettati e i citizen scientist devono essere ben formati prima di registrare i dati. In caso contrario, è facile che si verifichino perdite di dati.
Strumento di valutazione dell'impatto sulla biodiversità (BiA)
Per consentire una richiesta automatica e istantanea di valutazione dell'impatto sulla biodiversità, lo strumento BiA è stato sviluppato per facilitare i servizi di richiesta per i pianificatori territoriali e altre parti interessate tramite la piattaforma Azure. Lo strumento BiA funziona sovrapponendo il sito o la regione oggetto della richiesta (o i progetti edilizi esistenti) con più livelli geografici, tra cui la distribuzione delle specie e l'area protetta, per verificare se il sito o la regione si trova entro una certa distanza (ad esempio, 3 km, 5 km) dall'habitat di specie minacciate e/o dalle aree protette e se può causare un impatto su di esse. I rapporti di valutazione illustrano i rischi ecologici e ambientali dei progetti di costruzione per i responsabili delle decisioni e si spera che li incoraggino a prendere in considerazione la biodiversità.
Breve cronologia dello strumento BiA:
- aprile-giugno 2020: formazione del team, comunicazione dei requisiti, piano di sviluppo del sistema
- luglio-settembre 2020: sviluppo dello strumento
- ottobre 2020: test di prova, applicazione e diffusione
- (in preparazione) Apr-Set 2022: aggiornamento del sistema
Fattori abilitanti
- Anni di accumulo di dati e costante riflessione sugli approcci applicativi dei dati.
- Basi teoriche e tecniche accumulate dalla ricerca a lungo termine e dalla pratica di conservazione.
- Promozione dello strumento BiA presso i suoi potenziali utenti, come governi, investitori e imprese.
- Tenere sotto controllo il funzionamento dello strumento e il feedback degli utenti per ideare ulteriori aggiornamenti dello strumento.
Lezione imparata
- L'applicazione dei dati è la fase principale dell'intero flusso di lavoro, in cui i dati si trasformano in informazioni preziose per gli stakeholder. Rapporti efficaci sull'applicazione dei dati devono tenere conto del pubblico (ad esempio, essere concisi e mirati).
- Il completamento dello sviluppo e del rilascio non è l'ultimo passo per uno strumento. Anche trovare i potenziali utenti e convincerli a utilizzare lo strumento è molto importante. Uno strumento deve essere usato per fornire il massimo valore.
Impatti
Le soluzioni tecnologiche hanno ottimizzato il flusso di lavoro dei dati sulla biodiversità e promosso le applicazioni dei dati:
- Gestione dei dati delle fotocamere: L'applicazione assistente per il monitoraggio delle trappole fotografiche basato sulla comunità ha facilitato la registrazione dei dati per 86 monitori locali della comunità incaricati di installare e prelevare le trappole sul campo. I modelli di riconoscimento delle immagini dell'intelligenza artificiale hanno elaborato oltre 380.000 immagini di trappole fotografiche, sostituendo più di 100 ore di lavoro. Questa accelerazione nella raccolta e nell'elaborazione dei dati consente un feedback tempestivo alle parti interessate e supporta il processo decisionale in materia di conservazione.
- Visualizzazione dei dati della Citizen Science: Attraverso la visualizzazione di 2688 record di 22 specie raccolti durante sei campagne nel periodo 2016-2021 e l'aggiornamento automatico dei nuovi record raccolti, la piattaforma ha fornito feedback spaziali, temporali e interattivi ai partecipanti alla citizen science e ha aumentato significativamente l'interesse per le attività di osservazione della natura.
- Strumento BiA: Il database di Nature Watch conserva i dati di base sulla biodiversità raccolti da diverse fonti di dati, tra cui i record delle specie (2591 specie, 1,35 milioni di record) e delle aree protette (6 parchi nazionali, 474 aree protette nazionali, ecc.). Finora, lo strumento BiA ha fornito servizi interattivi e visualizzati di valutazione dell'impatto sulla biodiversità a più di 1260 progettisti edili e ad altre parti interessate, facilitando il processo decisionale rispettoso della biodiversità.
Beneficiari
- Conservatori: maggiore efficienza
- Comunità locali: maggiore efficienza e feedback tempestivo
- Cittadini scienziati: feedback tempestivo
- Agenzie governative, istituzioni accademiche, pubblico: facile accesso ai dati sulla biodiversità
Obiettivi di sviluppo sostenibile
SDG 11 - Città e comunità sostenibili
SDG 15 - Vita sulla terraferma
Collegatevi con i collaboratori
Altri collaboratori
Chen Cheng
Centro di conservazione Shan Shui
Mengjiao Yu
Centro di conservazione Shan Shui
Ning Wang
Centro di conservazione Shan Shui
Xiangying Shi
Centro di conservazione Shan Shui
Tianmu Jiang
Centro di conservazione Shan Shui
Ding Jia
Centro per la natura e la società dell'Università di Pechino
Lingyun Xiao
Università Xi'an Jiaotong-Liverpool
Peiyun Li
Università Xi'an Jiaotong-Liverpool
Xiaoman Hu
Huawei Technologies Co.
Luwei He
Huawei Technologies Co.
