Принимающие учебные заведения выбираются с учетом их способности поддерживать обучение как в классе, так и в полевых условиях, а также их участия в решении активных природоохранных задач, где технологии играют значимую роль. Например, фонд RISE Grumeti в Танзании - идеальное место для обучения: здесь есть учебная база, жилье для студентов и проводятся активные инициативы с использованием технологий, такие как программы по борьбе с браконьерством и защите носорогов.

Кроме того, мы отдаем предпочтение учреждениям, которые разделяют нашу приверженность развитию образования для женщин и начинающих специалистов по охране природы, имеют прочные связи с местными природоохранными и исследовательскими сообществами и демонстрируют лидерство в интеграции технологий в природоохранную практику. Такие партнерские отношения необходимы для обеспечения устойчивости нашей программы и ее глубокой интеграции в сообщества, которым она призвана служить.

Для успеха клубов "Аррибада" очень важны прочные партнерские отношения с местными НПО и образовательными учреждениями. Эти партнерские отношения позволяют адаптировать учебную программу к конкретным приоритетам сообщества в области охраны природы, таким как защита морских черепах на Принсипи или мониторинг биоразнообразия в Кении. Совместное планирование гарантирует, что клубы будут отвечать местным потребностям и окажут долгосрочное воздействие.

Клубы Arribada интегрируют природоохранные технологии в учебную программу STEM, чтобы научить студентов практическому применению для мониторинга окружающей среды и решения проблем. Студенты изучают GPS-картографирование, анализ биоакустических данных, программирование микрокомпьютеров и 3D-печать для решения природоохранных задач. Они разрабатывают прототипы, анализируют данные о биоразнообразии и создают цифровые библиотеки природных образцов с помощью 3D-сканирования, непосредственно применяя полученные знания в природоохранной деятельности.

Клуб Arribada предлагает практическое STEM-образование с учетом природоохранных потребностей. В рамках программ послешкольного образования в малообеспеченных сообществах учебная программа включает в себя местные проблемы охраны природы, способствуя глубокой связи между учащимися и окружающей средой. Учащиеся получают практический опыт работы с такими инструментами, как GPS, микрокомпьютеры и биоакустический мониторинг, узнавая, как эти технологии способствуют сохранению биоразнообразия. Такое обучение позволяет местной молодежи получить технические навыки, необходимые для личного и общественного развития, а также воспитывает будущих лидеров в области охраны природы.

Результаты проекта были распространены через многочисленные научные и общественные платформы, в том числе:

• Научная статья в журнале Ocean-Land-Atmosphere Research ( научный партнерский журнал).
• Контент на общественной платформе AAASScience WeChat, официальном СМИ Американской ассоциации содействия развитию науки в Китае.
• Вклад в тематическое исследование пилотной площадки дельты реки Янцзы.
• Интеграция в крупные океанографические исследовательские проекты, поддерживаемые NSFC.

Соответствие GBF: Соответствует цели 20 ГБФ.
Вклад: Усиление глобальных усилий по сохранению природы путем обмена масштабируемыми методологиями.

Влияние природных и антропогенных факторов на динамику растительности изучалось с помощью обобщенной аддитивной модели (GAM). Эта модель оценивала нелинейные связи между изменениями растительности и ключевыми факторами:

• НаSpartina alterniflora в первую очередь влияли переменные морской среды, такие как соленость и высота волн.
• НаPhragmites australis и Suaeda salsa повлияли осадки, антропогенное давление (например, аквакультура) и межвидовая конкуренция.

Понимание этих факторов способствует адаптивному управлению экосистемами и борьбе с инвазивными видами.

Согласование с ГБФ: Поддерживает цели 6 и 8 ГБФ.
Вклад: Прогностические модели улучшают реактивную консервацию, предлагая измеримые сведения о движущих силах.

Пространственно-временной анализ был проведен для выявления долгосрочных закономерностей распределения водно-болотной растительности на охраняемой территории с 1990 по 2022 год.

• Рисунок 1A иллюстрирует изменения в пространственной структуре растительности с течением времени.
• Нарисунке 1B представлено процентное соотношение растительного покрова вдоль градиента море-суша.

Для количественной оценки экологических изменений использовались такие аналитические инструменты, как индексы ландшафтной структуры, миграционные модели и динамика расширения и сжатия.

Основные выводы

• Spartina alterniflora демонстрировала высокую пространственную агрегацию, но с течением времени наблюдалась тенденция к ее снижению.
• Phragmites australis и Suaeda salsa демонстрировали большую фрагментацию и растущий пространственный охват.
• Миграция растительности характеризовалась значительной неоднородностью и четкой полосчатостью распределения вдоль градиента суша-море.

Соответствие GBF: Соответствует Цели 2 ГБФ.
Вклад: Измеримые результаты улучшают планирование реставрации, восполняя пробелы в единых подходах к управлению.

Была разработана комплексная геопространственная база данных, объединяющая данные о растительном покрове, полученные с помощью дистанционного зондирования, с ключевыми экологическими, климатическими и антропогенными переменными. Включенные метрики охватывают соленость почвы, температуру поверхности моря, соленость морской воды и расположение прудов аквакультуры, обеспечивая надежную аналитическую основу.

Соответствие ГБФ: Поддерживает цель 21 ГБФ.
Вклад: Интегрирует различные слои данных для целостного анализа, повышая ценность фрагментированных наборов данных по охране природы.

Временные ряды индексов растительности были сглажены с помощью гауссовой подгонки для уменьшения шума и выделения ключевых фенологических признаков. Для классификации водно-болотной растительности на три доминирующих типа был применен алгоритм глубокого обучения "случайный лес": Spartina alterniflora, Phragmites australis и Suaeda salsa. Точность классификации с 1990 по 2022 год была подтверждена полевыми исследованиями.

Соответствие ГБФ: Способствует достижению цели 6 ГБФ.
Вклад: Снижение воздействия инвазивных видов за счет точного определения Spartina alterniflora для целенаправленной борьбы с ними, устранение ключевой угрозы биоразнообразию.

С помощью платформы Google Earth Engine (GEE) были систематически получены данные дистанционного зондирования серии Landsat с 1990 по 2022 год, охватывающие сенсоры TM5, ETM+ (Landsat 7), OLI (Landsat 8) и OLI (Landsat 9). Чтобы обеспечить качество данных для последующего анализа, были выбраны и объединены ключевые спектральные диапазоны - ближний инфракрасный (NIR), красный и зеленый.

Выравнивание GBF: Поддерживает цель 21 ГБФ.
Вклад: Улучшает процесс принятия решений благодаря проверенным наборам данных в режиме реального времени, повышая ценность существующих усилий по сохранению природы за счет технологических инноваций.