China Nature Watch: technologie gebruiken voor het verzamelen en toepassen van biodiversiteitsinformatie om biodiversiteitsvriendelijke besluitvorming te vergemakkelijken
Volledige oplossing
Beheersysteem voor cameravallen: Soorten identificatie pagina
Shan Shui Conservation Center
Basisgegevens over biodiversiteit zijn essentieel voor de besluitvorming en de praktijk van het natuurbehoud, maar kampen met een tekort aan gegevens en asymmetrische informatie. Met behulp van technologische hulpmiddelen wil China Nature Watch het verzamelen van biodiversiteitsgegevens uit verschillende bronnen verbeteren, met name door burgerwetenschap, door het vergemakkelijken van gegevenstoepassingen bij ruimtelijke ordening en overheidsparticipatie en door het mainstreamen van biodiversiteitsbehoud.
Specifiek brengt technologie effectieve oplossingen voor 3 modules:
- Beheer van cameravallen: ontwikkeling van een online AI-geïntegreerd gegevensbeheersysteem om het verzamelen en verwerken van cameravallen te vereenvoudigen en te versnellen.
- Visualisatie van gegevens van burgerwetenschappers: PowerBI gebruiken om automatisch gegevens over soorten die zijn verzameld door burgerwetenschappers te analyseren en interactief te visualiseren.
- Biodiversiteitseffectbeoordelingstool (BiA): integratie van ecologische en bouwgegevens uit meerdere gegevensbronnen om via een cloud-platform direct de biodiversiteitseffectbeoordeling voor bouwprojecten op te vragen.
Laatst bijgewerkt: 30 Sep 2025
2247 Weergaven
Context
Uitdagingen
Elk proces in de biodiversiteitsgegevensworkflow van verzameling, verwerking, visualisatie tot toepassing is omslachtig en vervelend, vereist veel repetitief werk en moet dringend vereenvoudigd en geautomatiseerd worden.
- Beheer van cameravallen: cameravalmonitoring op gemeenschapsniveau heeft te kampen met knelpunten van lage efficiëntie (bijv. gegevensverzameling door lokale gemeenschapsmonitoren, handmatige soortidentificatie) en onstabiele en relatief lage gegevenskwaliteit (bijv. onjuiste en ontbrekende gegevens, veel blanco foto's).
- Visualisatie van Citizen Science-gegevens: visualisatieproducten zijn statisch en campagnespecifiek, worden handmatig gemaakt in verschillende stadia van elke campagne, wat veel inspanning van natuurbeschermers kost en slechts vertraagde terugkoppeling geeft aan burgerwetenschappers.
- Beoordeling van de gevolgen voor de biodiversiteit: het gebrek aan gegevens en het gebrek aan publieke toegang tot gegevens hebben de gebruiksscenario's voor gegevens beperkt. Bovendien wordt de beoordeling van de impact op de biodiversiteit voor elk onderzoek handmatig uitgevoerd en worden de rapporten handmatig samengesteld.
Locatie
Volksrepubliek China
Oost-Azië
Proces
Samenvatting van het proces
De algehele planning en de ontwikkeling van een ondersteunend partnerschap hebben een concrete basis gelegd voor het project.
Gegevens van cameravallen zijn een integrale gegevensbron voor de verspreiding van soorten in de database van Nature Watch. Het beheersysteem voor cameravalgegevens versnelt de algehele workflow en verbetert de tijdige invoer van cameravalgegevens in de database. Net als voor gegevens van burgerwetenschappers, als een andere bron van soortengegevens, helpt het visualisatieplatform om het enthousiasme van burgerwetenschappers te inspireren en de waarnemingen van soorten te stimuleren. Beide bouwstenen verzamelen gegevens voor de BiA-tool, wat een nauwkeurigere beoordeling bevordert.
Bovendien hebben het visualisatieplatform en de BiA-tool betrekking op openbare communicatie gericht op verschillende doelgroepen, die elkaar aanvullen voor het uiteindelijke doel van biodiversiteitsmainstreaming.
Bouwstenen
Workflowanalyse, partnerschapsopbouw en algemene planning
Jarenlang onderzoek en natuurbeschermingspraktijken hebben niet alleen het belang van biodiversiteitsgegevens benadrukt, maar ook de gebreken van de huidige workflow aan het licht gebracht, variërend van inefficiënt gegevensbeheer en een gebrek aan gegevensintegratie tot beperkte publiek toegankelijke gegevenstoepassingen. Bovendien wordt deze workflow voornamelijk door mensen aangedreven en gaat vaak gepaard met veel repetitief werk, wat een enorme hoeveelheid tijd van natuurbeschermers in beslag neemt.
Door de snelle ontwikkeling van technologie zijn we ons geleidelijk bewust geworden van het potentieel van technologie om oplossingen te bieden voor onze "pijnpunten". Om technologische hulpmiddelen te gebruiken op plaatsen waar de meeste behoefte aan is, werd een systematische herziening en analyse van de huidige workflow uitgevoerd om knelpunten met hoge prioriteiten en de mogelijke oplossingen te identificeren. De beschouwing begon in mei 2018 en werd gematerialiseerd vanaf juni 2019 nadat potentiële technische partners naar voren waren gekomen. Op basis van de systematische analyse van de workflow en nauwe samenwerking hebben we een stappenplan gemaakt, gericht op het een voor een ontwikkelen van modules, rekening houdend met onze beperkte middelen en mankracht (bijv. van community-based camera trap monitoring assistent app, naar BiA tool, naar citizen science data visualisatie platform, naar camera trap data management systeem).
Sleutelfactoren
- Een systematisch overzicht van de huidige workflow en een analyse van hiaten die aangeeft waar technologische hulpmiddelen kunnen helpen
- Betrouwbare en ondersteunende technische partners (met vallen en opstaan)
- Een ambitieus maar praktisch plan
Geleerde les
- Het betrekken van verschillende collega's bij de discussie over workflow en technische oplossingen is nuttig om meer waardevolle ideeën te verzamelen.
- Verschillende technische bedrijven hebben verschillende werkstijlen. Kies degene die bij jouw werkstijl en waarden passen.
Gegevensbeheersysteem voor cameravallen
Om de dataflow van de cameravallen te versnellen, wordt een online datamanagementsysteem ontwikkeld, samen met app-gebaseerde tools en AI beeldherkenning, ondersteund door technische partners:
- Community-based camera trap monitoring assistant app: de app stelt lokale monitors in staat om automatisch de tijd en GPS-locatie van het opzetten/ophalen van de camera trap te registreren, waardoor het omslachtige proces van het verzamelen van gegevens van lokale monitors en het handmatig invoeren van gegevens wordt bespaard. (blauwdruk: Jun 2019, ontwikkeling: Okt 2019-Feb 2020, uitproberen en gebruiken: mrt-okt 2020)
- AI-beeldherkenningsmodellen: AI-modellen helpen bij het detecteren van dieren en het identificeren van soorten in cameravalfoto's, waardoor het aantal foto's dat door mensen moet worden geïdentificeerd sterk wordt verminderd en de efficiëntie van de gegevensverwerking wordt verbeterd.
- Er is een reeks AI-modellen getraind en/of getest met technische partners, waaronder PU & PKU ResNet18-model (2018), MegaDetector (alleen test, 2020), MindSpore YOLOv3-model (2021).
- Online datamanagement platform: cameraval informatie verzameld via de app wordt samen met foto's geüpload naar een gestructureerde cloud database. Het gegevensbeheerplatform ondersteunt niet alleen soortidentificatie via AI en mensen, maar maakt ook wereldwijd zoeken naar gegevens en statistische rapporten mogelijk. (blauwdruk: Apr-Aug 2021, ontwikkeling: Sept 2021-Jun 2022, uitproberen en gebruiken: Jul 2022)
Sleutelfactoren
- Een systematisch overzicht van de huidige cameraval data workflow en de vertaling naar technische systeemontwikkelingsbehoeften
- Open-source en goed presterende AI-herkenningsmodellen voor cameravallen
- Cloudbronnen voor AI-computing, gegevensopslag, enz.
- Rondes van proefgebruik en feedback om bugs op te lossen en de bruikbaarheid van het systeem te verbeteren
Geleerde les
- Rome is niet in één dag gebouwd. Door de beperkingen in tijd en middelen moeten we het systeem in verschillende modules verdelen en modules stap voor stap ontwikkelen. We geloven dat elke module op zich een of meer stappen in onze workflow kan verbeteren en we hebben baat gehad bij modules voordat ze in het volledige systeem werden opgenomen. Toch is het belangrijk om in het begin een groot perspectief te hebben en langetermijnplannen te maken voor de uiteindelijke systeemintegratie.
- Een systeem kan niet vanaf het begin perfect zijn. Toen de app voor het eerst uitkwam en in gebruik werd genomen in één gemeenschap, werkte hij niet zoals we hadden verwacht en lokale monitors meldden verschillende soorten bugs. We verzamelden en analyseerden de feedback om het UI-ontwerp en de functionaliteit van de app te verbeteren.
Citizen science gegevens visualisatie platform
Tijdens natuurbewakingscampagnes worden burgerwetenschappers uitgenodigd om wilde dieren tijdig te observeren en vast te leggen, wat niet alleen de band tussen burgers en de natuur versterkt, maar ook dient als een veelbelovende gegevensbron voor de verspreiding van soorten. Gegevens over soorten die door burgerwetenschappers zijn verzameld via online vragenlijsten, komen automatisch in de database van het visualisatieplatform terecht (na opschoning van de gegevens en periodieke handmatige controle) en worden omgezet in intuïtieve en aantrekkelijke gevisualiseerde grafieken en kaarten (twee soorten: ruimtelijk, ruimtelijk en tijdelijk) via Power BI. Het platform, met zowel een web- als een mobiele versie, biedt realtime feedback over de inspanningen van burgerwetenschappers op het gebied van natuurbewaking, waardoor hun gevoel van voldoening toeneemt en ze gemotiveerd raken om in de toekomst deel te nemen aan natuurbewakingsactiviteiten. Aangezien het platform meerdere natuurbewakingscampagnes integreert met links naar webartikelen over specifieke analyses van elke campagne, biedt het bovendien een breed scala aan kennis over biodiversiteit en maakt het "virtuele natuurbewaking" voor burgers mogelijk om wilde dieren in andere regio's te leren kennen.
Een korte tijdlijn van het platform:
- Jan-Feb 2021: team vormen, analyse analyseren, blauwdruk maken
- mrt-jun 2021: database en platform ontwikkelen
- Jul-Aug 2021: test
- Sept 2021: live gaan en promotie
Sleutelfactoren
- Een goed ontworpen vragenlijst voor het verzamelen van gegevens en een automatisch mechanisme voor het opschonen van gegevens om de kwaliteit van de gegevens te garanderen en een periodieke handmatige controle (normaal gesproken één keer per seizoen) om de realiteit van de gegevens te garanderen.
- Selectie van visualisatiemethoden en esthetisch ontwerp met betrokkenheid van burgerwetenschappers.
- PowerBI-technologie.
- Beheer en onderhoud van de WeChat-gemeenschap van burgerwetenschappers.
Geleerde les
- Als een product voor het grote publiek is het nooit te veel om de inhoud en het esthetische ontwerp op te poetsen om het platform gebruiksvriendelijk en aantrekkelijk te maken.
- Gebruikers betrekken bij de planningsfase en hun gedachten verzamelen is erg nuttig voor het identificeren van gebruikersbehoeften.
- Vragenlijsten moeten goed ontworpen zijn en burgerwetenschappers moeten goed getraind zijn voordat ze gegevens opnemen. Anders kunnen er gemakkelijk gegevens verloren gaan.
Instrument voor effectbeoordeling biodiversiteit (BiA)
Om automatisch en onmiddellijk onderzoek naar de gevolgen voor de biodiversiteit mogelijk te maken, is de BiA-tool ontwikkeld om landplanners en andere geïnteresseerde partijen via het Azure-platform onderzoek te laten doen. De BiA-tool legt een overlay over de gevraagde locatie of regio (of bestaande bouwprojecten) met meerdere geografische lagen, waaronder de verspreiding van soorten en het bereik van beschermde gebieden, om te onderzoeken of de locatie of regio binnen een bepaalde afstand (bijv. 3 km, 5 km) ligt van en invloed kan hebben op de habitat van bedreigde soorten en/of beschermde gebieden. De beoordelingsrapporten illustreren ecologische en milieurisico's van bouwprojecten voor besluitvormers en kunnen hen hopelijk stimuleren om rekening te houden met biodiversiteit.
Een korte tijdlijn van de BiA-tool:
- Apr-jun 2020: teamvorming, communicatie over vereisten, systeemontwikkelingsplan
- Jul-sept 2020: ontwikkeling tool
- Okt 2020: test, toepassing en verspreiding
- (in voorbereiding) apr-sept 2022: systeemupgrade
Sleutelfactoren
- Jarenlange accumulatie van gegevensverzameling en constant nadenken over benaderingen voor gegevenstoepassing.
- Theoretische en technische basis die is opgebouwd uit langetermijnonderzoek en conserveringspraktijk.
- Promotie van het BiA-hulpmiddel naar potentiële gebruikers, zoals overheden, investeerders en bedrijven.
- Bijhouden van de werking van de tool en feedback van gebruikers om de tool verder te verbeteren.
Geleerde les
- De toepassing van gegevens is de belangrijkste stap in de hele gegevensworkflow, waarbij de gegevens worden omgezet in waardevolle informatie voor belanghebbenden. Effectieve datatoepassingsrapporten moeten het publiek in gedachten houden (bijv. beknopt en gericht zijn).
- De volledige ontwikkeling en vrijgave is niet de laatste stap voor een tool. Potentiële gebruikers vinden en hen overtuigen om de tool te gebruiken is ook heel belangrijk. Een tool moet gebruikt worden om de meeste waarde te bieden.
Invloeden
Technologische oplossingen hebben de workflow voor biodiversiteitsgegevens geoptimaliseerd en datatoepassingen bevorderd:
- Beheer van cameravallen: De community-based camera trap monitoring assistent app heeft het vastleggen van gegevens eenvoudiger gemaakt voor 86 lokale gemeenschapsmonitors die verantwoordelijk zijn voor het opzetten/ophalen van cameravallen in het veld. AI-beeldherkenningsmodellen hebben meer dan 380.000 cameravalbeelden verwerkt, wat meer dan 100 uur werk heeft vervangen. Deze versnelling in het verzamelen en verwerken van gegevens zorgt voor tijdige feedback aan belanghebbenden en ondersteunt de besluitvorming over natuurbehoud.
- Visualisatie van burgerwetenschappelijke gegevens: Door het visualiseren van 2688 records van 22 soorten die zijn verzameld tijdens zes campagnes in 2016-2021 en het automatisch bijwerken van nieuw verzamelde records, heeft het platform ruimtelijke, temporele en interactieve feedback gegeven aan deelnemers van burgerwetenschappers en de interesse in natuurbewakingsactiviteiten aanzienlijk gestimuleerd.
- BiA-tool: De Nature Watch-database onderhoudt basisgegevens over biodiversiteit die zijn verzameld uit meerdere gegevensbronnen, waaronder soortenrecords (2591 soorten, 1,35 miljoen records) en beschermde gebieden (6 nationale parken, 474 nationale beschermde gebieden, enz.) Tot nu toe heeft de BiA-tool meer dan 1260 planners van bouwprojecten en andere belanghebbenden voorzien van interactieve en gevisualiseerde informatie over de beoordeling van de gevolgen voor de biodiversiteit, waardoor het nemen van biodiversiteitsvriendelijke beslissingen wordt vergemakkelijkt.
Begunstigden
- Natuurbeschermers: verhoogde efficiëntie
- Lokale gemeenschappen: grotere efficiëntie en tijdige feedback
- Burgerwetenschappers: tijdige feedback
- Overheidsinstellingen, academische instellingen, publiek: eenvoudige toegang tot biodiversiteitsgegevens
Duurzame Ontwikkelingsdoelen
SDG 11 - Duurzame steden en gemeenschappen
SDG 15 - Leven op het land
In contact komen met medewerkers
Andere medewerkers
Chen Cheng
Shan Shui Behoudscentrum
Mengjiao Yu
Shan Shui Behoudscentrum
Ning Wang
Shan Shui Behoudscentrum
Xiangying Shi
Shan Shui Behoudscentrum
Tianmu Jiang
Shan Shui Behoudscentrum
Ding Jia
Centrum voor Natuur en Maatschappij van de Universiteit van Peking
Lingyun Xiao
Xi'an Jiaotong-Liverpool-universiteit
Peiyun Li
Xi'an Jiaotong-Liverpool-universiteit
Xiaoman Hu
Huawei Technologies Co.
Luwei He
Huawei Technologies Co.
