このデータベースは、ウェブデザイン技術とEsri ArcGISを統合し、パターンや傾向を視覚化するためのユーザーフレンドリーなインターフェースを実現している。このビジュアル・コンポーネントは、地方、州、連邦の野生生物・環境機関など、利害関係者の関与と意思決定を改善するために、さまざまなセクターに適応させることができる。

このデータベースは、連邦検察のデータを集約し構造化するために、オープンソースの技術を使用している。このアプローチは拡張性と適応性があり、人身売買、組織犯罪、その他の環境犯罪など、他の領域における執行データの整理と分析に効果的なツールとなる。

WMAの指導者たちは、カスタマイズされたガバナンス・トレーニングを受けることで、実践的な紛争解決スキルと財務監督能力を身につけた。これにより、彼らは内部でガバナンスの課題に取り組み、持続可能な運営体制を構築する力を得た。

さまざまな普及方法を開発することで、研究、政策、実践の接点におけるコミュニケーションが強化される。研究の核となる知見は一貫しているかもしれないが、これらの結果を共有する方法は、さまざまな利害関係者の特定のニーズ、嗜好、能力に合わせて調整されなければならない。このアプローチによって、情報がアクセスしやすくなるだけでなく、インパクトのあるものになり、利害関係者が十分な情報を得た上で意思決定したり、適切な行動を起こしたりできるようになる。

例えば、FLR実施に伴う調査の場合、結果を実施者や政策立案者に伝える方法は、学術的な聴衆に向けたアプローチとは異なる。政策立案者や実施者は、明確かつ簡潔で実行可能な情報を必要とするペースの速い環境で活動することが多い。政策立案者や実施者は、多くの場合、科学論文の詳細で構造化された形式とは異なり、実用的な洞察に焦点を当てた簡潔で分かりやすいコミュニケーションから最も恩恵を受ける。

このような違いを認識し、それに適応することで、私たちのプロジェクトは、エビデンスの創出と実用化の間のギャップを埋め、科学、政策、実践の世界のより強力な結びつきとより有意義な協力関係を促進する。

TREESプロジェクトは、環境、社会、経済分析から得られたデータを統合するために、マルチスケールで学際的なアプローチを採用しており、東アフリカと西アフリカに重点を置きながら、アフリカ全域におけるFLRの影響を総合的に理解している。この目標を達成するため、全体的な目的は、FLR政策と実践に情報を提供する総合研究を通じて、アフリカにおける気候変動の影響を緩和することである。このアプローチにより、FLRの実践とその影響について微妙な理解が可能となり、異なる地域間でも適応できるようになる。環境科学、社会科学、経済分析など、さまざまな分野のデータを組み合わせることで、このプロジェクトはFLRの実践とその複雑な相互関係について総合的な理解を提供する。そのため、異なる文脈のもとで類似した問題を調査するために、類似した調査方法が適用されている。異なる国々で適用された学際的な研究方法は、その国の状況に合わせた解決策を導き出すために、文脈に合わせて研究される。

F4F実施国を拠点とするすべての博士課程の学生を対象に、年間3ヶ月の国際移動プログラムが設定された。このプログラムは、構造化されたPhD監督システムを促進するため、すべてのPhDが同時にドイツのホスト機関（ZALF）に来るように設計された。ドイツ滞在中は、机上の研究活動、受入機関の会合やイベントへの参加、プロジェクト計画に関するワークショップへの参加、手法トレーニング、博士課程の進捗状況（チャンスと課題）の振り返り、GIZ/F4Fとの直接ミーティング、アウトリーチ活動（例えば、ボンでのGIZとZALFによるグローバル・サウスにおける修復に関するシンポジウム、ベルリンでのTropentagConference2023でのAccompanying researchのコンセプトに関するワークショップなど）への参加など、相互にリンクした複数の要素で構成された。学生たちはまた、個々の興味やニーズに応じて、さらなる研修や会議への参加も奨励された。

グローバルな共同研究、国際的な研究体制の強化、キャパシティビルディング、グローバルな学習を促進するために、TREESプロジェクトは国際的なパートナーシップを強く意識している。チーム自体は、ほとんどの国で国際的な研究タンデムで構成されており、博士課程と修士課程の学生は、研究国だけでなく、ドイツやその他の国からも参加している。 各学生がそれぞれ研究に専念する一方で、データ収集は二国間のタンデムで計画され、実施される。スーパービジョンは国際的なスーパーバイズ・タンデムで行われ、それぞれの国で大学が国のリーダーを務め、プロジェクト・リーダー組織による共同スーパーバイズが行われる。

搭載技術とAIの統合の進歩は、既存のドローンを使ったワニのモニタリング方法をさらに強化する大きな可能性を秘めている。飛行時間が延長されたハイブリッドモデルやカメラの解像度が向上したモデルなど、ドローンのハードウェアが改善されたことで、生息域のカバー範囲が広がり、複雑な環境でもより詳細な画像を撮影できるようになった。人工知能（AI）の統合は、アロメトリックモデルを用いたワニの検出とサイズ推定を自動化することで、画像解析を合理化する大きなチャンスとなる。このようなAIによる機能強化は、ほぼリアルタイムのデータ処理を可能にし、時間のかかる手動解析への依存を減らすことができる。

この改良は現在開発中である。私たちは2025年4月にカメルーンで、ンガウンデレ大学の学生や若手研究者、地元NGOとともに、サーマルカメラとサーチライトを搭載したドローンを使い、AIによる自動データ処理を含む実験的研究を行った。

このビルディングブロックは、先住民族や地域コミュニティ（IPLCs）を含む地元のステークホルダーにドローンを操作するキャパシティ・ビルディングを行い、彼らが保全において積極的な役割を果たせるようにする。

採用された手法の使いやすさ

1. 必要な技術スキルは最小限：
   ユーザーはドローンの操作と高解像度画像からの計測抽出について基本的なトレーニングを受けるだけでよい。プロセスは簡単だ：
   • 標準化された飛行プロトコルに従ってドローンを飛ばす。
   • 俯瞰画像にワニをマークする。
   • アクセス可能な画像解析ツール（ImageJ、QGISなど）を使って、目に見える頭部の長さを測定する。
   • 対応するアロメトリック方程式を適用するか、あらかじめ用意された表（abaques）からルックアップして全長を推定する。
2. 容易に適応可能：
   このフレームワークは、読みやすい表（abaques）を使用しているため、専門家だけでなく非専門家にも利用しやすく、オペレータは高度な科学的専門知識を必要とせずに、この手法を迅速に適用することができます。
3. 利用しやすい機器：
   このアプローチは、民生用ドローンと広く入手可能なソフトウェアに依存しているため、手頃な価格を実現し、導入への障壁を低減している。

効果的な理由

このフレームワークのシンプルさ、拡張性、信頼性は、遠隔地の湿地帯から都市に隣接した生息地まで、多様な状況に理想的である。幅広いユーザーが科学的に確かなデータを作成できる。

アロメトリック・フレームワークは、高解像度のドローン画像で撮影した頭の長さの測定に基づいて、ワニの全長を推定するために設計された非侵襲的なツールである。確立された種固有の頭胴長比を活用することで、この方法では物理的な捕獲やハンドリングが不要となり、研究者と野生生物の双方にとってのリスクが軽減される。ワニ27種のうち17種で検証されたこのフレームワークは、個体数のモニタリングと保全管理に不可欠な信頼性の高い人口統計学的データを提供することを可能にする。

このフレームワークは読みやすい表（abaques）を使用しているため、専門家でなくても利用可能であり、オペレーターは高度な科学的専門知識を必要とすることなく、この手法を迅速に適用することができる。