Цель этого блока - предоставить техническим группам биологические параметры, необходимые для определения текущего состояния экосистемы, чтобы определить соответствующие меры по восстановлению, которые должны быть реализованы в данной конкретной экосистеме.

Диагностика состояния биоразнообразия проводится путем изучения документации и посещения мест, где: 1) идентифицируется участок, включая состав, структуру и различные слои, составляющие экосистему; 2) описываются экосистемные услуги; 3) флористический состав; 4) разнообразие групп позвоночной и беспозвоночной фауны; 5) наличие инвазивных видов; 6) выявляются угрозы и факторы деградации.

Социально-экономическая ситуация изучается с помощью документального обзора и полевых визитов, в ходе которых: 1) выявляются текущие пользователи участка; 2) описывается производственная деятельность, осуществляемая пользователями; 3) выясняется статус землевладения участка; 4) выявляются местные субъекты, присутствующие на территории; 5) выявляется потенциал местного развития с экологически устойчивой деятельностью.

Новый подход к управлению территорией будет внедряться постепенно, поэтапно. Соответствующие результаты будут предложены и обсуждены Научным комитетом территории и COPIL территории "Натура 2000".

В рамках реализации нового плана управления научный комитет будет проводить регулярные встречи для обсуждения изменений, происходящих на объекте, и состояния сохранности природной среды. Эффективность согласованного, совместного руководства и управления была продемонстрирована на этом объекте.

Существующие принципы управления (например, позднее скашивание для экспорта) считаются благоприятными и должны быть сохранены. С целью сохранения мозаики местообитаний и ландшафтов слабощелочного торфяника (северный сектор) следует рассмотреть возможность принятия мер по сдерживанию кладии, распространяющейся на типичные местообитания слабощелочного болота. Локальное разрастание веточек может ограничить распространение мариски. Кроме того, методы управления должны быть соотнесены и уточнены с экологией и местоположением присутствующих видов наследия.

Благодаря методологии оценки возможностей восстановления (ROAM), основанной на широком участии, TRI смогла определить потенциал восстановления, выявив приоритетные возможности восстановления, отметив возможные типы восстановительных мероприятий и оценив варианты финансирования и инвестиций. Были определены такие виды деятельности, как продвижение производства экологического древесного угля, развитие сектора растениеводства и строительство водоемов в местах восстановления. TRI провела эти оценки ROAM в трех пилотных субнациональных ландшафтах - Ваза, Мбалмайо и Дуала-Эдеа, где были задействованы местные и национальные заинтересованные стороны. В каждом ландшафте были проведены предварительные семинары с участием представителей государственных министерств, представителей местных советов, представителей местных общин и вождей общин, а окончательный отчет, объясняющий результаты оценок, был завершен в октябре 2021 года на национальном семинаре по проверке, в котором приняли участие представители государственных министерств, международных организаций, а также местные представители и вожди. После завершения работы над отчетом заинтересованные стороны получили брошюру с основными выводами, чтобы быстро распространить информацию и обеспечить понимание оценок ROAM теми, у кого нет доступа к Интернету.

Реализация технической архитектуры и программы мониторинга обеспечила наличие большой базы данных, содержащей информацию как о самом виде, так и о его среде обитания. Наличие данных является ключевым фактором, обеспечивающим принятие персоналом парка (менеджерами, рейнджерами, техническими специалистами и т. д.) обоснованных решений при разработке стратегий управления территорией и видами. Кроме того, локальная разработка программы мониторинга и параметров, входящих в нее, повысила способность сотрудников парка не только управлять ею, но и совершенствовать ее и в конечном итоге применять для мониторинга различных видов и даже других явлений.

Цель этого блока - предоставить животноводам технические параметры для реализации оптимальной лесопастбищной системы в соответствии с особенностями их производственной единицы и в то же время способствовать восстановлению экосистемных услуг участка.

Надлежащая сельскохозяйственная практика была внедрена в трех областях: 1) животные и управление ими, включая кормление, здоровье и благополучие животных; 2) окружающая среда и производство, работа с почвой, водой и кормами, а также управление отходами, навозом и стоками; и 3) производственная инфраструктура, включающая объекты, оборудование и инструменты для обеспечения чистоты и безопасности продукции.

Акустическая составляющая проекта имеет особое значение, поскольку она сыграла ключевую роль в автоматическом обнаружении более 138 видов, причем 95 из них были интегрированы в наши алгоритмы поиска. Это создает надежную основу для непрерывного мониторинга региона в ближайшие годы, позволяя нам наблюдать, как различные экологические факторы влияют на присутствие видов.

Симпозиум проходил под руководством Управления иностранных дел провинции Хайнань, Департамента природных ресурсов и планирования провинции Хайнань, Департамента экологии и окружающей среды провинции Хайнань, Департамента лесного хозяйства провинции Хайнань; и при поддержке лаборатории больших данных Научно-исследовательского института экоцивилизации CASS, исследовательского аналитического центра Научно-исследовательского института экоцивилизации CASS, Института зоологии Китайской академии наук, Тропического ботанического сада Сишуанбаньна Китайской академии наук, Института углеродной нейтральности Университета Цинхуа, Передового междисциплинарного института окружающей среды и экологии, компании Huawei Technologies Co., Ltd., Хайнаньский университет, Хайнаньский нормальный университет, Федерация академиков Хайнаня, Саньяская исследовательская база Международного центра бамбука и ротанга.

Двухдневный симпозиум был посвящен теме "сохранение флагманских видов тропических дождевых лесов - гиббонов", "сохранение биоразнообразия тропических дождевых лесов" и проходил в сочетании онлайн и офлайн мероприятий.

Из-за чрезмерного количества признаков для ранжирования важности признаков после их извлечения был использован 10-кратный кросс-валидированный SVM-RFE, затем признаки последовательно добавлялись для классификации LDA, чтобы зафиксировать изменение точности в зависимости от количества выбранных признаков, и, наконец, наилучшее количество признаков было записано в качестве входных данных для последующих классификаций (см. рис. 8). Наибольшая точность классификации LDA составила 89,2 % (pre) / 95,6 % (pre + n×mR0).

Поскольку ни один из MFCC, извлеченных с фиксированным числом окон, не показал лучших результатов, чем метод подгонки GMM для классификации LDA (6 окон: 86,6 %; 10 окон: 88,5 %; 100 окон: < 80 %), мы проверили эффективность других классификаторов, используя только признаки, извлеченные методом подгонки GMM. В этом тесте мы случайным образом выбрали 20 % данных в качестве тестового набора, а остальные данные использовали для обучения классификатора, которое повторили 10 раз для каждой функции ядра, чтобы записать распределение точности. Среди них эффект классификации GMM плох при использовании только pre в качестве MRU, в то время как при использовании pre + n×mR0 в качестве MRU эффект в целом лучше, чем при использовании только pre.