Ribbit - un'applicazione web per l'identificazione e la classificazione automatizzata delle specie di anuro
Soluzione completa
Rana di New Granada (Smilisca phaeota) che dorme su una foglia nella regione colombiana del Chocó
Juliana Gómez Consuegra
Ribbit è un'applicazione web di citizen science che utilizza l'apprendimento automatico per il trasferimento di pochi scatti per registrare, identificare e classificare i richiami di rane e rospi, contribuendo con dati crowdsourcing alla Global Biodiversity Information Facility(GBIF) per colmare le lacune di dati, soprattutto nel Sud del mondo. Le app di identificazione offrono un potenziale significativo per il monitoraggio automatico della biodiversità in situ (Global Partnership on Artificial Intelligence, 2022; Tuia et al., 2022; Nieto-Mora et al., 2023). La nostra applicazione si concentra sugli anuri, in quanto sono indicatori cruciali dell'ecosistema(Estes-Zumpf et al., 2022), con oltre il 40% delle specie a rischio di estinzione, e le loro vocalizzazioni uniche sono ideali per l'identificazione acustica. I beta tester hanno rivelato il potenziale dell'applicazione nel contribuire ai dati del GBIF, consentendo ai cittadini scienziati di impegnarsi nel monitoraggio ecologico. Creando una piattaforma ad accesso aperto per l'etichettatura dei dati sulla biodiversità, Ribbit consente alle organizzazioni di conservazione di sviluppare strategie per proteggere le popolazioni vulnerabili e preservare gli ecosistemi critici.
Ultimo aggiornamento: 10 Oct 2025
83 Visualizzazioni
Premio Tech4Nature
Descrizione della tecnologia
Il nostro progetto è iniziato nell'agosto 2024. Abbiamo utilizzato due set di dati audio etichettati da iNaturalist sounds e Anuraset per addestrare un modello di apprendimento automatico per classificare gli anuri (rane e rospi) in base alle registrazioni audio dei richiami delle specie. Entrambi gli insiemi di dati contenevano dati distribuiti in modo anomalo, vale a dire una riduzione delle istanze di anuri rari o in via di estinzione. Per tenere conto di questa anomalia e garantire che il modello disponesse di dati sufficienti per identificare correttamente queste specie rare e a rischio, fondamentali per raggiungere l'obiettivo 4 del GBF, abbiamo aumentato i nostri dati con i richiami iNaturalist di specie diverse dagli anuri, come i richiami dei pipistrelli o dei grilli, che differiscono per frequenza dai richiami degli anuri. Con il nuovo set di dati ampliato, abbiamo implementato l'apprendimento di trasferimento a pochi colpi (Ghani et al. (2023)). In particolare, abbiamo utilizzato il modello Birdnet (un modello EfficientNet B1 pre-addestrato) per generare embeddings per le specie di anuri e abbiamo perfezionato il modello utilizzando il probing lineare dei nostri dati. Il nostro modello ha identificato 71 specie di anuri, comprese specie vulnerabili come la rana australiana Southern Bell, Ranoidea raniformis, con un'accuratezza del 91% nelle prime 5 specie più probabili identificate e un'accuratezza del 72% nelle prime 1 specie più probabili identificate.La nostra applicazione web, Ribbit, è stata lanciata nel dicembre 2024, utilizzando questo modello con le migliori prestazioni, e il feedback degli utenti è stato ampiamente positivo, in quanto i test hanno dimostrato che il più delle volte la specie registrata era tra le prime 1. Il nostro progetto è unico nel suo genere, in quanto si tratta di un'applicazione che si avvale di un sistema di monitoraggio e di controllo. Il nostro progetto è unico in quanto è la prima applicazione di citizen science incentrata sugli anuri che utilizza l'intelligenza artificiale per identificare le rane.
Donatori e finanziamenti
Scuola di Informazione dell'UC Berkeley
Contesto
Sfide affrontate
Ribbit affronta le sfide ambientali, sociali ed economiche del monitoraggio della biodiversità. Dal punto di vista ambientale, l'applicazione affronta le lacune nella raccolta dei dati (obiettivo 14 del GBF), in particolare nel Sud del mondo. Con oltre il 40% delle specie di anuri a rischio di estinzione(Estes-Zumpf et al., 2022), i metodi di monitoraggio tradizionali non riescono a cogliere la salute dell'ecosistema e i cambiamenti della biodiversità.
Dal punto di vista sociale, Ribbit democratizza la ricerca scientifica fornendo strumenti di monitoraggio ecologico accessibili ai cittadini scienziati. Dando potere ai cittadini scienziati, l'applicazione abbatte le barriere tra la ricerca professionale e l'impegno della comunità, creando opportunità di partecipazione significative per i singoli individui che possono contribuire alla ricerca sulla biodiversità.
Dal punto di vista economico, offre un'alternativa conveniente ai metodi di monitoraggio tradizionali che richiedono molte risorse. Ribbit sfrutta la raccolta di dati in crowdsourcing e l'apprendimento automatico avanzato, riducendo i costi di ricerca e ampliando al contempo le capacità di raccolta dati per i ricercatori e le organizzazioni di conservazione.
Posizione
Africa orientale e meridionale
Caraibi
America Centrale
Sud America
Nord America
Asia settentrionale e centrale
Asia occidentale, Medio Oriente
Sud-est asiatico
Asia meridionale
Asia orientale
Europa occidentale e meridionale
Nord Europa
Europa orientale
Oceania
Processo
Sintesi del processo
Con la mitigazione della perdita di biodiversità come obiettivo principale, gli altri elementi costitutivi supportano strategicamente questo sforzo. L'approccio della citizen science affronta direttamente le sfide della biodiversità creando un meccanismo di raccolta dati completo che colma le lacune critiche della conoscenza. Grazie a una tecnologia innovativa, il progetto trasforma i contributi individuali in una potente risorsa scientifica per il monitoraggio ecologico.
La citizen science e l'impegno della comunità guidano la raccolta dei dati, collegando i partecipanti locali agli sforzi di conservazione globali. Ribbit, come strumento educativo, consente ai cittadini di trasformarsi da osservatori passivi in amministratori attivi dell'ambiente. La democratizzazione dei dati raccolti nell'app funge da infrastruttura critica che amplifica l'impatto del progetto. Rendendo la ricerca scientifica accessibile e partecipativa, la soluzione abbatte le tradizionali barriere tra ricercatori professionisti e membri della comunità. Questo approccio ad accesso aperto garantisce che i dati raccolti possano essere utilizzati da organizzazioni di conservazione, ricercatori e responsabili politici, creando un percorso diretto dall'osservazione dei cittadini all'azione ambientale significativa.
Blocchi di costruzione
Democratizzazione dei dati
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.
Fattori abilitanti
- Tecnologia accessibile: l'applicazione web funziona su dispositivi desktop e mobili e gli utenti possono caricare i loro dati anche quando non è disponibile Internet.
- Meccanismi robusti di controllo della qualità: valutazione avanzata delle registrazioni di qualità scientifica.
- Governance etica dei dati: priorità alla privacy degli utenti e alla sensibilità ecologica.
- Ri-addestramento periodico del modello: il modello viene aggiornato ogni sei mesi, con un addestramento su nuove specie che vengono incorporate nell'applicazione e convalidate dagli annotatori.
Lezione imparata
Quando abbiamo avviato questo progetto, eravamo consapevoli della carenza di dati sulla biodiversità degli anuri nel Sud del mondo. Tuttavia, siamo rimasti sorpresi dal fatto che, mentre cercavamo di aumentare l'accessibilità della nostra applicazione e di aggiungere dati qualitativi, c'era un divario nella rappresentazione linguistica. Attualmente, il nostro progetto è disponibile in quattro lingue (inglese, spagnolo, portoghese e arabo), aumentando così l'accessibilità. Abbiamo utilizzato l'API di Wikipedia per ottenere informazioni generali sulla nostra specie in queste quattro lingue e abbiamo notato che mentre c'era un'abbondanza di dati in inglese e in arabo, le informazioni disponibili erano scarse in spagnolo e ancora più scarse in portoghese. Pertanto, prevediamo che la sfida futura consisterà nel coinvolgere scienziati diversi, come quelli di lingua spagnola e portoghese, per ridurre il "gap di dati di Wikipedia". Affrontare questa lacuna sarà un atto cruciale per democratizzare ulteriormente e aumentare l'accessibilità della nostra soluzione.
Risorse
Scienza dei cittadini e coinvolgimento della comunità
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).
Fattori abilitanti
- Facilità d'uso: analizzando i feedback degli utenti, abbiamo iterato per migliorare l'esperienza d'uso e l'accessibilità.
- Familiarità con le applicazioni di citizen science consolidate: utilizzando FrogID, Merlin, eBird e iNaturalist come riferimenti, abbiamo imitato le caratteristiche principali delle app per consentire ai nuovi utenti di iniziare rapidamente a utilizzarle.
- Per gli utenti che non hanno mai avuto esperienza con le applicazioni di citizen science, abbiamo cercato di rendere l'applicazione il più semplice possibile. Inoltre, la nostra sezione FAQ include suggerimenti su "come rana", tra cui dove e quando trovare le specie chiamanti.
Lezione imparata
- È difficile trovare un equilibrio tra i diversi tipi di utenti. Mentre gli scienziati si sono espressi a favore dell'uso dei nomi scientifici, gli appassionati di natura non si sono legati a questi nomi e hanno preferito i nomi comuni. Tuttavia, ottenere nomi comuni per tutte le nostre specie in tutte e quattro le lingue si è rivelato difficile. Questa è un'altra opportunità di sviluppo: il crowdsourcing dei nomi comuni in tutto il mondo.
In futuro, vogliamo anche creare più contenuti visivi, per guidare gli utenti che vogliono usare l'app ma non sono sicuri di come farlo; questi contenuti includono cosa includere nella sezione delle osservazioni facoltative dell'app, come convalidare se la rana suggerita dall'app è quella che l'utente sta vedendo, tra gli altri.
Risorse
Mitigare la perdita di biodiversità
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.
Fattori abilitanti
- Colmare le lacune di dati: ottenere più dati dai cittadini scienziati, soprattutto dalle comunità locali e dalle popolazioni indigene.
- Consentire la gestione dell'ambiente: accessibilità a un insieme diversificato di utenti.
Lezione imparata
Inizialmente ci siamo posti l'obiettivo di ridurre le lacune di dati nel Sud globale. Tuttavia, ottenere l'accesso a un numero sufficiente di richiami di specie rare, criptiche e minacciate del Sud globale per addestrare il nostro modello si è rivelato difficile. Pertanto, per migliorare le prestazioni del modello, abbiamo rivolto la nostra attenzione a quante più specie possibili, in tutto il mondo. Il coinvolgimento degli utenti in tutto il mondo porterà a un maggior numero di registrazioni in regioni povere di dati come il Sud del mondo, permettendoci di riqualificare il nostro modello in futuro con un aumento dei dati sulle specie in pericolo, rare e criptiche.
Questo impegno degli utenti si allinea perfettamente con diversi obiettivi, il più evidente dei quali è l'obiettivo 20 del GBF: Rafforzare lo sviluppo delle capacità, il trasferimento tecnologico e la cooperazione scientifica e tecnica per la biodiversità. Ma altri obiettivi sono fondamentali in questo blocco: aumentando i punti dati, saremo in grado di identificare le specie esotiche invasive, rispondendo all'obiettivo 6 del GBF, e di proteggere le specie selvatiche dal commercio illegale, oscurando la loro posizione agli utenti. Ciò è in linea con l'obiettivo 5 del GBF, che mira a"garantire una raccolta e un commercio sostenibili, sicuri e legali delle specie selvatiche".
Strumenti didattici
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.
Fattori abilitanti
- Competenza in materia: uno dei membri del nostro team (Juliana Gómez Consuegra) ha lavorato a stretto contatto con altri esperti che stavano conducendo ricerche sul fungo chytrid.
- Creazione di un'applicazione web accessibile: il design intuitivo dell'applicazione web consente agli osservatori meno esperti di partecipare e imparare.
Lezione imparata
Sebbene l'obiettivo sia quello di educare gli appassionati di natura, vogliamo evitare l'aumento del traffico di specie. Per questo motivo, abbiamo deciso di non permettere agli utenti di accedere ai dati degli altri. In questo modo, la posizione di una specie in pericolo non sarà visibile ai trafficanti, sull'app. Gli utenti hanno accesso solo ai propri dati. Una volta condivisi con il GBIF, i dati vengono oscurati, in modo che né la posizione precisa della rana né quella dell'utente vengano divulgate al pubblico. In questo modo, garantiamo che la nostra applicazione sia responsabile dal punto di vista ambientale.
Impatti
Ribbit dimostra impatti positivi in tutti i settori ambientali, sociali ed economici. Dal punto di vista ambientale, Ribbit è stato addestrato su 71 specie distinte di anuri, creando uno strumento completo per il monitoraggio delle popolazioni di anfibi in pericolo. Il beta-test ha registrato e classificato con successo 16 anuri distinti, con il modello che ha identificato con precisione le specie nella top-5 delle corrispondenze più probabili nel 91% dei casi, paragonabile ad altre soluzioni di transfer learning per la bioacustica (Ghani et al., 2023). Utilizzando un set di dati di circa 67.000 richiami unici di Anura, Ribbit consente di identificare potenziali spostamenti di habitat e cambiamenti di popolazione in regioni poco studiate.
A livello sociale, il test beta di Ribbit ha coinvolto 50 partecipanti, creando un nuovo percorso per la ricerca scientifica guidata dalla comunità. La piattaforma democratizza la raccolta dei dati, riducendo le barriere alla partecipazione alla ricerca ecologica. Il 95% degli utenti intervistati era disposto a condividere le proprie registrazioni con il GBIF, contribuendo ai dati sulla biodiversità globale.
Dal punto di vista economico, Ribbit riduce significativamente i costi di monitoraggio. Il monitoraggio tradizionale della biodiversità per 50 località costerebbe circa 118.413 dollari, comprese le attrezzature, la manodopera e l'analisi dei dati. Il costo operativo mensile di Ribbit è invece stimato in 48.543,77 dollari, comprese le infrastrutture AWS e il personale specializzato. Questo approccio economico consente ai professionisti di concentrare le risorse sulle azioni di conservazione basate sui dati raccolti.
Beneficiari
Ribbit va a beneficio dei cittadini scienziati attraverso la partecipazione alla ricerca, delle comunità locali attraverso il monitoraggio ecologico e dei ricercatori in materia di conservazione attraverso la raccolta di dati aggiuntivi sugli anuri in ecosistemi poco studiati ma ricchi di biodiversità.
Inoltre, spiegate il potenziale di scalabilità della vostra soluzione. Può essere replicata o estesa ad altre regioni o ecosistemi?
La soluzione di Ribbit dimostra un significativo potenziale di scalabilità grazie al suo innovativo approccio di apprendimento automatico, specificamente progettato per adattarsi e migliorare con dati sempre più diversi. Il modello di apprendimento per trasferimento a pochi scatti può essere sistematicamente esteso ad altri ecosistemi ricchi di anfibi a livello globale, con particolare applicabilità negli hotspot di biodiversità delle regioni tropicali e subtropicali.
L'architettura tecnologica di base è intrinsecamente adattabile, consentendo una perfetta integrazione dei dati acustici provenienti da contesti geografici diversi. Man mano che si raccolgono registrazioni di richiami di anuri da ecosistemi diversi, il modello di apprendimento automatico può essere integrato per diventare progressivamente più sofisticato, migliorando l'accuratezza dell'identificazione e ampliando le capacità di riconoscimento delle specie. Questo meccanismo di miglioramento fa sì che ogni nuovo contributo di dati non solo aggiunga conoscenze scientifiche, ma perfezioni anche le prestazioni della piattaforma tecnologica.
Il potenziale di riproducibilità si estende a diversi ambiti. La piattaforma potrebbe essere adattata ad altri gruppi di animali acusticamente distinti, consentendo approcci di monitoraggio simili per insetti o mammiferi. Inoltre, la tecnologia consente di sviluppare moduli specifici per ogni regione che possono essere personalizzati per i contesti ecologici locali, creando strumenti di ricerca flessibili che rispondono a esigenze ambientali specifiche. Promuovendo reti di ricerca collaborative che possono condividere dati e miglioramenti dei modelli, Ribbit fornisce un quadro per espandere la comprensione scientifica oltre i confini istituzionali e geografici.
L'approccio ad accesso aperto e il design modulare rendono la soluzione particolarmente adatta alla scalabilità globale. Dando priorità all'accessibilità degli utenti, al rigore scientifico e all'apprendimento continuo, Ribbit fornisce un modello replicabile per il monitoraggio della biodiversità basato sulla tecnologia, che può essere adattato alle diverse esigenze di ricerca ecologica.
Quadro globale sulla biodiversità (GBF)
Obiettivo GBF 4 - Arrestare l'estinzione delle specie, proteggere la diversità genetica e gestire i conflitti tra uomo e fauna selvatica
Obiettivo 5 del GBF - Garantire la raccolta e il commercio sostenibili, sicuri e legali delle specie selvatiche
Obiettivo 6 del GBF - Ridurre del 50% l'introduzione di specie esotiche invasive e minimizzare il loro impatto
Obiettivo 9 del GBF - Gestire le specie selvatiche in modo sostenibile a beneficio delle persone
Obiettivo 11 del GBF - Ripristinare, mantenere e valorizzare il contributo della natura all'uomo
Obiettivo 14 di GBF - Integrare la biodiversità nei processi decisionali a tutti i livelli
Obiettivo 20 del GBF - Rafforzare lo sviluppo di capacità, il trasferimento tecnologico e la cooperazione scientifica e tecnica per la biodiversità
Obiettivi di sviluppo sostenibile
SDG 15 - Vita sulla terraferma
La storia
Juliana Gómez Consuegra alla Stazione di ricerca biologica di El Amargal, nella foresta pluviale colombiana, 2007.
Juliana Gómez Consuegra
Fare ricerca sul campo nella foresta pluviale colombiana può essere impegnativo. Un'umidità relativa del 100% significa che l'attrezzatura da campo deve essere conservata in silice per sopravvivere. La mancanza di elettricità significa che i dispositivi di registrazione potrebbero non caricarsi in tempo per la sessione di registrazione successiva. Inoltre, a seconda del periodo in cui ci si recava sul campo, i problemi di sicurezza erano elevati, a causa della guerra civile in corso. Ho vissuto tutte queste situazioni nel 2007, quando stavo conseguendo un master in biologia e stavo conducendo una ricerca sul comportamento di homing delle rane velenose. Tra i miei compiti quotidiani c'era quello di camminare per un'ora ogni giorno per andare e tornare dal mio sito di ricerca; di installare degli altoparlanti che riproducevano i suoni delle rane per vedere come i maschi della rana velenosa arlecchino avrebbero reagito ai cambiamenti del loro ambiente. Il mio unico compagno era Yaz, un membro della comunità locale, la cui storia di vita è stata per me fonte di ispirazione. È passato dal raschiare foglie di coca per i gruppi armati ribelli a lavorare in una ONG, fino a creare il suo eco-lodge dove le persone possono fare spedizioni per l'osservazione delle rane. Quando ho saputo della sua impresa più recente, ho pensato: "E se potessimo combinare un'esperienza esotica con un'esperienza di osservazione delle rane? E se potessimo combinare un viaggio esotico nella foresta pluviale con un contributo alla scienza? Così ho contattato i miei colleghi biologi e ho proposto loro la mia idea di un'applicazione per la citizen science in grado di identificare automaticamente una rana che chiama. Di seguito riportiamo il feedback di uno di loro:
"Voglio congratularmi con voi per lo sviluppo di Ribbit. Sono uno scienziato della biodiversità che lavora in Colombia e ho avuto l'opportunità di assistere in prima persona all'impatto che eBird ha avuto sul monitoraggio e sull'appropriazione sociale degli uccelli in Colombia e la gente mi chiede sempre... perché solo gli uccelli? La mia risposta di solito è che sono i più facili da incontrare e identificare per i non scienziati, ma grazie ad applicazioni come Ribbit non sarà più così per sempre!
Affidarsi ai suoni per l'identificazione, che sono molto più facili da registrare con un normale telefono rispetto al tentativo di scattare una vera e propria foto di una rana in natura, è un'idea eccellente e, proprio come è successo con eBird, più persone useranno l'app, migliori saranno le informazioni che fornirà. Una domanda così "semplice" come quella su quali specie vivono dove/quando è ancora una sfida in Paesi dalla megadiversità come la Colombia, quindi tutti i dati generati da Ribbit saranno utili per vincere questa sfida.
Continuate a lavorare sodo e fateci sapere se possiamo aiutarvi in qualche modo".
Lina M Sánchez-Clavijo, PhD
Ricercatore principale
Ufficio Informazioni Scientifiche
Istituto Humboldt
Testimonianza di: Juliana Gómez Consuegra, responsabile del team Ribbit
Collegatevi con i collaboratori
Altri collaboratori
Haissam Akhras
UC Berkeley
Erica Nakabayashi
UC Berkeley
Lia Cappellari
UC Berkeley
Farouk Ghandour
UC Berkeley
Jenna Rose Sparks
UC Berkeley