호스트 기관은 강의실과 현장 기반 교육을 모두 지원할 수 있는 역량과 기술이 의미 있는 역할을 하는 적극적인 보존 과제에 대한 참여도를 기준으로 선정됩니다. 예를 들어, 탄자니아의 RISE 그루메티 기금은 교육 시설과 학생 숙소를 제공하고 밀렵 방지 및 코뿔소 보호 프로그램과 같은 기술을 활용한 적극적인 이니셔티브를 운영하는 이상적인 교육 장소입니다.

또한, 여성과 초기 경력 환경보호가를 위한 교육을 발전시키려는 노력을 공유하고, 지역 환경보호 및 연구 커뮤니티와 긴밀한 관계를 맺고, 기술을 환경보호 실천에 통합하는 데 리더십을 발휘하는 기관을 우선순위로 삼고 있습니다. 이러한 파트너십은 프로그램이 지속 가능하고 지역사회에 깊숙이 뿌리내릴 수 있도록 하는 데 필수적입니다.

아리바다 클럽의 성공에는 현지 NGO 및 교육부와의 강력한 파트너십이 매우 중요했습니다. 이러한 파트너십을 통해 프린시페의 바다거북 보호나 케냐의 생물다양성 모니터링과 같이 지역사회의 보존 우선순위를 반영하여 커리큘럼을 맞춤화할 수 있었습니다. 협력적인 계획을 통해 클럽은 지역의 필요를 해결하고 지속적인 영향력을 발휘할 수 있습니다.

아리바다 클럽은 환경 보호 기술을 STEM 커리큘럼에 통합하여 학생들에게 환경 모니터링과 문제 해결을 위한 실용적인 응용 프로그램을 가르칩니다. 학생들은 GPS 매핑, 생물 음향 데이터 분석, 마이크로컴퓨터 프로그래밍, 3D 프린팅을 배워 환경 보호 문제를 해결합니다. 학생들은 프로토타입을 설계하고, 생물 다양성 데이터를 분석하고, 3D 스캐닝을 사용하여 자연 표본의 디지털 라이브러리를 만들어 학습한 내용을 보존 노력에 직접 적용합니다.

아리바다 클럽은 환경 보호의 필요성에 맞춘 체험형 STEM 교육을 제공합니다. 소외된 지역사회의 방과 후 프로그램을 통해 제공되는 이 커리큘럼은 지역 환경 보호 문제를 수업에 통합하여 학생과 환경 간의 깊은 유대감을 형성합니다. 학생들은 GPS, 마이크로컴퓨터, 생물 음향 모니터링과 같은 도구에 대한 실질적인 경험을 쌓으며 이러한 기술이 생물 다양성 보존을 어떻게 지원하는지 배웁니다. 이 교육은 지역 청소년들에게 개인과 지역사회의 성장에 필수적인 기술 역량을 강화하는 동시에 미래의 환경 보호 리더를 양성합니다.

프로젝트 결과는 다음과 같은 여러 학술 및 공개 플랫폼을 통해 배포되었습니다:

• 해양-토지-대기 연구 ( Science Partner 저널)에 게재된 학술 논문.
• 미국과학진흥협회 중국지부의 공식 미디어인 AAASScience 위챗 퍼블릭 플랫폼의 주요 콘텐츠.
• 양쯔강 삼각주 파일럿 사이트에 대한 사례 연구 기고.
• NSFC가 지원하는 주요 해양학 연구 프로젝트에 통합.

GBF 연계: GBF 목표 20에 부합합니다.
기여: 확장 가능한 방법론을 공유하여 글로벌 보존 노력을 강화합니다.

식생 역학에 대한 자연적 및 인위적 요인의 영향은 일반화된 가산 모델(GAM)을 사용하여 탐구했습니다. 이 모델은 식생 변화와 주요 요인 간의 비선형 관계를 평가했습니다:

• 스파르티나 알터니플로라는 주로 염분과 파도 높이와 같은 해양 환경 변수의 영향을 받았습니다.
• 프래그마이트 오스트레일리아리스와 수아에다 살사는 강수량, 인위적 압력(예: 양식업), 종 간 경쟁의 영향을 받았습니다.

이러한 동인을 이해하면 적응형 생태계 관리와 침입종 통제에 도움이 됩니다.

GBF 조정: GBF 목표 6과 8을 지원합니다.
기여: 예측 모델은 사후 대응적 보존을 개선하여 측정 가능한 동인에 대한 인사이트를 제공합니다.

1990년부터 2022년까지 보호 지역 내 습지 식생의 장기적인 분포 패턴을 밝히기 위해 시공간 분석을 실시했습니다.

• 그림 1A는 시간에 따른 식생 공간 패턴의 변화를 보여줍니다.
• 그림 1B는 바다와 육지의 경사도를 따라 식생이 차지하는 비율을 보여줍니다.

경관 패턴 지수, 이동 모델, 확장-축소 역학 등의 분석 도구를 사용하여 생태학적 변화를 정량화했습니다.

주요 결과

• 스파르티나 알터니플로라는 높은 공간적 집적도를 보였지만 시간이 지남에 따라 감소하는 추세를 보였습니다.
• 프래그마이트 오스트랄리스와 수에다 살사는 더 큰 파편화와 공간적 범위의 증가를 보였습니다.
• 식생 이동은 육지-바다 경사면을 따라 상당한 이질성과 뚜렷한 띠 분포를 보였습니다.

GBF 정렬: GBF 목표 2와 일치합니다.
기여도: 측정 가능한 결과는 복원 계획을 강화하여 획일적인 관리 접근법의 공백을 메웁니다.

원격 탐사에서 얻은 식생 피복 데이터를 주요 환경, 기후, 인위적 변수와 통합하여 종합적인 지리공간 데이터베이스를 개발했습니다. 토양 염분, 해수면 온도, 해수 염분, 양식장 위치 등을 포함하는 메트릭이 포함되어 강력한 분석 기반을 제공했습니다.

GBF 정렬: GBF 목표 21을 지원합니다.
기여도: 전체적인 분석을 위해 다양한 데이터 레이어를 통합하여 단편적인 보존 데이터 세트에 가치를 더합니다.

식생 지수 시계열은 가우스 피팅을 사용하여 평활화하여 노이즈를 줄이고 주요 현상학적 특징을 추출했습니다. 무작위 숲 딥러닝 알고리즘을 적용하여 습지 식생을 세 가지 주요 유형으로 분류했습니다: 스파르티나 알터니플로라, 프래그미테스 오스트랄리스, 수아에다 살사. 1990년부터 2022년까지의 분류 정확도는 현장 조사를 통해 검증되었습니다.

GBF 정렬: GBF 목표 6에 기여합니다.
기여도: 스파르티나 알터니플로라를 정확하게 식별하여 표적 방제함으로써 침입종의 영향을 줄이고, 주요 생물다양성 위협을 해결합니다.

Google 어스 엔진(GEE) 플랫폼을 사용하여 1990년부터 2022년까지 TM5, ETM+(랜드샛 7), OLI(랜드샛 8), OLI(랜드샛 9) 센서를 포괄하는 랜드샛 시리즈 원격 감지 데이터를 체계적으로 수집했습니다. 후속 분석을 위한 데이터 품질을 보장하기 위해 근적외선(NIR), 적색, 녹색 등 주요 스펙트럼 대역을 선택하고 융합했습니다.

GBF 정렬: GBF 목표 21을 지원합니다.
기여도: 검증된 실시간 데이터 세트를 통해 의사결정을 개선하고, 기술 혁신을 통해 기존 보존 노력에 가치를 더합니다.