Bij herstel gaat het niet alleen om planten, maar ook om het garanderen van de impact op de lange termijn. Ons MRV-systeem op basis van AI zorgt voor het in realtime volgen van de voortgang van de restauratie en de gezondheid van het milieu. Het pakt ook kritieke problemen aan zoals illegale visvangst, stroperij en ontbossing, en stelt gemeenschappen in staat om hun herstelde ecosystemen te beschermen. Dit systeem integreert satellietgegevens, dronebeelden en AI-analyses om bruikbare inzichten te bieden, die kunnen worden aangepast aan andere restauratie- of beschermingsinspanningen. Het ondersteunt ook transparantie en verantwoording, zodat belanghebbenden de voortgang en resultaten effectief kunnen meten.

Ons licentie- en trainingsplatform stelt gemeenschappen in staat om zelfstandig drones te bouwen, bedienen en onderhouden. Deze aanpak is hands-on en collaboratief, bevordert lokale expertise en stelt gemeenschappen in staat om de technologie aan te passen aan hun unieke behoeften. Het platform gaat verder dan technische vaardigheden en creëert een basis voor gemeenschappen om te innoveren en drones aan te passen voor aanvullende toepassingen zoals surveillance, kartering en precisielandbouw. Belangrijk is dat het platform een feedbackloop stimuleert waarbij gemeenschappen hun innovaties delen, waardoor het bredere wereldwijde netwerk van gebruikers wordt verrijkt.

Onze modulaire drones zijn ontworpen met het oog op toegankelijkheid, aanpasbaarheid en duurzaamheid. In eerste instantie zijn ze gemaakt van houten onderdelen met minder dan zes schroeven en kabelbinders. Ze zijn eenvoudig in elkaar te zetten, te repareren en te repliceren met behulp van lokale materialen, waardoor gemeenschappen zelfstandig herstelprojecten kunnen uitvoeren.

Naarmate we verder zijn, hebben we waterstof-brandstofcellen en hybride-elektrische aandrijfsystemen geïntegreerd, waardoor het vliegvermogen, de energie-efficiëntie en de duurzaamheid voor het milieu zijn verbeterd. Dankzij deze innovaties kunnen drones grotere gebieden bestrijken en in afgelegen omgevingen werken, terwijl ze hun ecologische voetafdruk verkleinen.

Het modulaire ontwerp zorgt voor flexibiliteit voor voortdurende aanpassing, waardoor gemeenschappen drones kunnen upgraden met tools zoals camera's of sensoren voor monitoring. Deze aanpak combineert eenvoud met baanbrekende innovatie en slaat een brug tussen empowerment aan de basis en schaalbaar, impactvol herstel van het milieu.

Het monitoren van watervogels is de basis van beschermings- en beheerstrategieën voor bijna alle soorten wetlandecosystemen. Met de voortdurende verbetering van de infrastructuur voor het behoud van wetlands in China, waaronder apparaten op afstand voor het verzamelen van grote hoeveelheden akoestische en visuele gegevens van wilde dieren, neemt de vraag naar technologie voor het filteren en analyseren van gegevens toe. Deep learning-gebaseerde objectdetectie is een fundamentele oplossing geworden voor big data-analyse en is getest in meerdere toepassingsgebieden. Deze deep learning-technieken zijn echter nog niet getest voor het detecteren van kleine watervogels in video's met real-time monitoring. We stellen een verbeterde detectiemethode voor die extra voorspellingskoppen, SimAM-aandachtsmodules en continue frames toevoegt aan YOLOV7, genaamd YOLOv7 Waterbirds, voor real-time videobewakingsapparaten om aandachtsgebieden te identificeren en watervogelmonitoringstaken uit te voeren (identificatie, tellen en dichtheidsschatting). Op basis van de watervogeldataset is de gemiddelde nauwkeurigheidswaarde (mAP) van YOLOv7 waterbird 67,3%, wat ongeveer 5% hoger is dan het benchmarkmodel. Daarnaast is het terughaalpercentage van de verbeterde methode 87,9% (nauwkeurigheid = 85%), en het terughaalpercentage voor kleine watervogels (gedefinieerd als pixels kleiner dan 40x40) is 79,1%, wat aangeeft dat de prestaties bij het detecteren van kleine objecten superieur zijn aan de originele methode en veel andere populaire deep learning-algoritmen. Dit algoritme kan worden gebruikt door beheerafdelingen van beschermde gebieden of andere organisaties om bestaande bewakingscamera's te gebruiken voor nauwkeurigere monitoring van waterplanten, wat tot op zekere hoogte bijdraagt aan het behoud van wilde dieren.

Door middel van een reeks wetenschappelijke maatregelen zoals aanpassing van het microterrein, regulering van het waterpeil en ecologisch herstel van wetlands willen we een habitat creëren die tegemoet komt aan de behoeften van verschillende trekvogels. Na de voltooiing van het herstelproject moet de hoogwatervluchtplaats bij het dagelijks beheer een bepaalde verhouding aan kale vlakten, gebieden met ondiep water, gebieden met diep water en gecontroleerde gebieden met lage vegetatie behouden. Door het waterpeil handmatig te regelen om de relatieve stabiliteit van de verschillende waterpeilgebieden te garanderen, de hoogte van het onkruid te regelen om het gebied met kale vlakten te behouden en zo de habitat te bieden aan verschillende trekkende watervogels zoals kustvogels, reigers, meeuwen, eenden, enz. Onbemande apparaten zoals videobewaking gebruiken om te helpen bij het monitoren van watervogelgemeenschappen, om de patronen van habitatgebruik door deze trekvogels te evalueren en vervolgens de kwaliteit van de habitat te beoordelen.

Bij de toepassing van de fuik voor intermitterende oogst werden de beste resultaten behaald met de volgende combinatie van variabelen: maïszemelen (aanvullend diervoeder) x maïszemelen (lokaas) x O. Shiranus (soort) x 2 vissen/m2 (bezettingsdichtheid).

De totale opbrengst bij deze combinatie was 25 procent hoger dan in de controlegroep met een enkele partijoogst. Een hogere bezettingsdichtheid (3 vissen/m2) leidde tot een iets hogere totale oogst in de controlegroep, maar tot een lagere nettowinst. Het gebruik van pellets versterkte beide effecten en was het minst economisch.

De resultaten van de proeven op het landbouwbedrijf (zie Figuur 1) hebben de functionaliteit en het uitstekende vangsteffect van de vallen aangetoond. Tijdens de proefperiode van drie maanden op het bedrijf werd de val 2 tot 3 keer per week en in totaal 27 keer gebruikt. Gemiddeld werden er ongeveer 120 kleine vissen - een equivalent van 820 gram - gevangen bij elke interval. Door het gebruik van de fuik meldden alle huishoudens dat ze nu twee keer per week vis eten. Voorheen werd er tussen de één en vier keer per maand vis gegeten.

De voordelen:

• Vermindering van de concurrentie om zuurstof en voedsel tussen de vissen in de vijver en daardoor meetbare toename van de opbrengst.
• Verbeterde consumptie door het huishouden van kleine, voedzame vis en een betere cashflow.

Succesfactoren:

• Vallen zijn eenvoudig en goedkoop te bouwen (USD 3).
• Vallen zijn gemakkelijk te gebruiken, ook door vrouwen.
• Direct tastbare meerwaarde dankzij gemakkelijke en regelmatige toegang tot vis.

Voorbeelden uit het veld

Over het algemeen waren de gebruikerservaringen van de huishoudens die betrokken waren bij de proeven op de boerderij zeer positief:

"Als gezin kunnen we nu twee keer en soms zelfs drie keer per week vis eten in vergelijking met de voorgaande maanden zonder de technologie, toen we maar één keer per maand vis aten." (Doud Milambe)

"Vis vangen is zo eenvoudig met de fuik en zelfs vrouwen en kinderen kunnen hem gebruiken." (Jacqueline Jarasi)

"Het is snel en effectief vergeleken met de haak-en-lijnmethode die ik gebruikte om vis te vangen voor thuisconsumptie en die drie tot vier uur kon duren, maar om slechts drie vissen te vangen en dus niet genoeg voor de grootte van mijn huishouden." (Hassan Jarasi)

• Betrokkenheid van de lokale gemeenschap
• Inspelen op behoeften van de gemeenschap

Proeven op locatie

In een reeks experimenten uitgevoerd in het Nationaal Aquacultuur Centrum in Domasi, testte het projectteam de val voor intermitterende oogst met verschillende aassoorten in vijvers (200 m2) bevolkt met verschillende soorten(Coptodon Rendalli vs. Oreochromis Shiranus) bij verschillende dichtheden(1 vs. 2 vs. 3 vissen per vierkante meter). Bovendien werden verdere tests uitgevoerd om de tijd en de intervallen te bepalen die nodig zijn om een bepaalde hoeveelheid vis te vangen. Als controle en ter vergelijking werden bijkomende vijvers bevoorraad met O. Shiranus en C. Rendalli die gevoederd werden met maïszemelen of pellets voor een eenmalige oogst om de gebruikelijke vormen van aquacultuur op het platteland in Malawi weer te geven.

Proeven op de boerderij

Op het moment dat de val technisch functioneel was, werden huishoudens geïdentificeerd die de val wilden testen onder alledaagse, levensechte omstandigheden. Gedurende drie maanden hebben zes huishoudens de fuik getest en de vangst gedocumenteerd.