China Nature Watch: Biyoçeşitlilik dostu karar vermeyi kolaylaştırmak için Biyoçeşitlilik Bilgi Toplama ve Uygulama teknolojisinin kullanılması
Tam Çözüm
Kamera tuzağı veri yönetim sistemi: Tür tanımlama sayfası
Shan Shui Conservation Center
Biyoçeşitlilik temel verileri, koruma kararları ve uygulamaları için kilit öneme sahiptir, ancak veri eksikliği ve bilgi asimetrisi ile karşı karşıyadır. China Nature Watch, teknoloji araçlarının yardımıyla, başta vatandaş bilimi olmak üzere çeşitli kaynaklardan biyoçeşitlilik verilerinin toplanmasını güçlendirmeyi, arazi kullanım planlaması ve halkın katılımında veri uygulamalarını kolaylaştırmayı ve biyoçeşitliliğin korunmasını yaygınlaştırmayı amaçlamaktadır.
Teknoloji özellikle 3 modüle etkili çözümler getirmektedir:
- Kamera tuzağı veri yönetimi: kamera tuzağı veri toplama ve işlemeyi basitleştirmek ve hızlandırmak için çevrimiçi yapay zeka ile entegre veri yönetim sistemi geliştirmek.
- Vatandaş bilimi veri görselleştirme: vatandaş bilim insanları tarafından toplanan tür kayıtlarını otomatik olarak analiz etmek ve etkileşimli olarak görselleştirmek için PowerBI kullanımı.
- Biyoçeşitlilik Etki Değerlendirme Aracı (BiA): Bulut platformu aracılığıyla inşaat projeleri için biyoçeşitlilik etki değerlendirmesinin anında sorgulanmasını sağlamak için birden fazla veri kaynağından ekolojik ve inşaat verilerini entegre etmek.
Son güncelleme: 30 Sep 2025
2224 Görünümler
Bağlam
Ele alınan zorluklar
Biyoçeşitlilik veri iş akışında toplama, işleme, görselleştirme ve uygulamaya kadar her bir süreç, çok fazla tekrar eden emek gerektiren hantal ve sıkıcıdır ve acilen basitleştirme ve otomatikleştirmeye ihtiyaç duymaktadır.
- Kamera tuzağı veri yönetimi: topluluk tabanlı kamera tuzağı izleme, düşük verimlilik (örneğin, yerel topluluk gözlemcilerinden veri toplama, manuel tür tanımlama) ve istikrarsız ve nispeten düşük veri kalitesi (örneğin, yanlış ve eksik veriler, yüksek boş fotoğraf oranları) gibi darboğazlarla karşı karşıyadır.
- Vatandaş bilimi veri görselleştirme: görselleştirme ürünleri statik ve kampanyaya özgüdür, her kampanyanın birkaç aşamasında manuel olarak oluşturulur, bu da korumacıların çabalarına mal olurken vatandaş bilimcilere yalnızca gecikmeli geri bildirimler sağlar.
- Biyoçeşitlilik etki değerlendirmesi: veri eksikliği ve verilere kamusal erişimin olmaması, veri kullanım senaryolarını sınırlandırmaktadır. Ayrıca, biyoçeşitlilik etki değerlendirmesi her bir araştırma için manuel olarak yapılmakta ve raporlar manuel olarak oluşturulmaktadır.
Konum
Çin Halk Cumhuriyeti
Doğu Asya
Süreç
Sürecin özeti
Genel planlama ve destekleyici ortaklığın geliştirilmesi, proje için somut bir temel sağlamıştır.
Kamera tuzağı verileri, Nature Watch veri tabanı için ayrılmaz bir tür dağılımı veri kaynağıdır. Kamera tuzağı veri yönetim sistemi, genel iş akışını hızlandırmakta ve kamera tuzağı verilerinin veritabanına zamanında girilmesini sağlamaktadır. Bir başka tür kayıt kaynağı olan vatandaş bilimci verileri için de benzer şekilde, görselleştirme platformu vatandaş bilimcilerin hevesini artırmaya ve tür gözlemlerini artırmaya yardımcı olur. Her iki yapı taşı da BiA aracı için veri biriktirerek daha doğru değerlendirmeyi teşvik eder.
Ayrıca, görselleştirme platformu ve BiA aracı, farklı kitlelere yönelik kamu iletişimini içermekte ve biyoçeşitliliğin yaygınlaştırılması nihai hedefi için birbirini tamamlamaktadır.
Yapı Taşları
İş akışı analizi, Ortaklık kurma ve Genel planlama
Yıllar süren araştırma ve koruma uygulamaları, biyoçeşitlilik verilerinin önemini vurgulamakla kalmamış, aynı zamanda verimsiz veri yönetimi, veri entegrasyonu eksikliği ve sınırlı kamu erişimli veri uygulamaları gibi mevcut iş akışının kusurlarını da ortaya çıkarmıştır. Dahası, bu tür bir iş akışı çoğunlukla insan gücüne dayanır ve genellikle çok sayıda tekrarlayan iş içerir ve korumacıların büyük miktarda zamanını alır.
Teknolojinin hızlı gelişimini takiben, teknolojinin uzun süredir "sorunlu noktalarımıza" çözüm getirme potansiyelini yavaş yavaş fark ettik. En çok ihtiyaç duyulan noktalarda teknoloji araçlarından faydalanmak amacıyla, yüksek öncelikli darboğazları ve olası çözümleri belirlemek için mevcut iş akışının sistematik bir incelemesi ve analizi yapıldı. Düşünce Mayıs 2018'de başladı ve potansiyel teknik ortakların ortaya çıkmasının ardından Haziran 2019'dan itibaren hayata geçirildi. Sistematik iş akışı analizine ve yakın ortaklığa dayanarak, sınırlı kaynak ve insan gücümüzü göz önünde bulundurarak modülleri tek tek geliştirmeyi amaçlayan adım adım bir plan yaptık (örneğin, topluluk tabanlı kamera tuzağı izleme asistanı uygulamasından BiA aracına, vatandaş bilimi veri görselleştirme platformuna, kamera tuzağı veri yönetim sistemine).
Etkinleştirici faktörler
- Mevcut iş akışının sistematik bir incelemesi ve teknoloji araçlarının hangi noktalarda yardımcı olabileceğini gösteren boşluk analizi
- Güvenilir ve destekleyici teknik ortaklar (deneme yanılma yoluyla)
- İddialı ama pratik bir plan
Çıkarılan dersler
- Çeşitli meslektaşları iş akışı ve teknik çözümlerin tartışılmasına dahil etmek, daha değerli fikirlerin toplanmasına yardımcı olur.
- Farklı teknik şirketlerin farklı çalışma tarzları vardır. Çalışma tarzınıza ve değerlerinize uygun olanları seçin.
Kamera tuzağı veri yönetim sistemi
Kamera tuzağı veri iş akışlarını hızlandırmak için, teknik ortaklar tarafından desteklenen, uygulama tabanlı araçlar ve yapay zeka görüntü tanıma ile birlikte çevrimiçi bir veri yönetim sistemi geliştirilmektedir:
- Topluluk tabanlı kamera kapanı izleme asistanı uygulaması: Uygulama, yerel gözlemcilerin kamera kapanı kurulum/toplama zamanını ve GPS konumunu otomatik olarak kaydetmesini sağlayarak, yerel gözlemcilerden veri toplama ve manuel veri girişi gibi zahmetli süreçlerden tasarruf sağlar. (plan: Haziran 2019, geliştirme: Ekim 2019-Şubat 2020, deneme ve kullanım: Mart-Ekim 2020)
- Yapay zeka görüntü tanıma modelleri: Yapay zeka modelleri, kamera tuzağı fotoğraflarındaki hayvanları tespit etmeye ve türleri tanımlamaya yardımcı olarak insan tanımlaması gereken fotoğraf sayısını büyük ölçüde azaltır ve veri işleme verimliliğini artırır.
- PU & PKU ResNet18 modeli (2018), MegaDetector (sadece test, 2020), MindSpore YOLOv3 modeli (2021) dahil olmak üzere bir dizi AI modeli teknik ortaklarla eğitilmiş ve/veya test edilmiştir.
- Çevrimiçi veri yönetim platformu: Uygulama aracılığıyla toplanan kamera tuzağı bilgileri fotoğraflarla birlikte yapılandırılmış bir bulut veritabanına yüklenir. Veri yönetim platformu yalnızca yapay zeka ve insan aracılığıyla tür tanımlamayı desteklemekle kalmaz, aynı zamanda küresel veri arama ve istatistik raporlarına da olanak tanır. (plan: Nisan-Ağustos 2021, geliştirme: Eylül 2021-Haziran 2022, deneme ve kullanım: Temmuz 2022)
Etkinleştirici faktörler
- Mevcut kamera tuzağı veri iş akışının sistematik bir incelemesi ve teknik sistem geliştirme ihtiyaçlarına dönüştürülmesi
- Açık kaynaklı ve iyi performans gösteren kamera tuzağı görüntü yapay zeka tanıma modelleri
- Yapay zeka hesaplama, veri depolama vb. için bulut kaynakları
- Hataları düzeltmek ve sistemin kullanılabilirliğini iyileştirmek için deneme kullanımı ve geri bildirim turları
Çıkarılan dersler
- Roma bir günde inşa edilmedi. Zaman ve kaynak kısıtlamaları nedeniyle sistemi farklı modüllere ayırmak ve modülleri adım adım geliştirmek zorundayız. Her modülün kendi başına iş akışımızdaki bir veya daha fazla adımı geliştirebileceğine inanıyoruz ve tam sisteme dahil edilmeden önce modüllerden faydalandık. Yine de başlangıçta büyük resimli bir bakış açısına sahip olmak ve nihai sistem entegrasyonu için uzun vadeli planlar yapmak önemlidir.
- Bir sistem başlangıçtan itibaren mükemmel olamaz. Uygulama ilk çıktığında ve bir toplulukta kullanılmaya başlandığında, beklediğimiz gibi çalışmadı ve yerel gözlemciler çeşitli hatalar bildirdi. Uygulamanın kullanıcı arayüzü tasarımını ve işlevselliğini geliştirmek için geri bildirimleri topladık ve analiz ettik.
Vatandaş bilimi veri görselleştirme platformu
Doğa gözlem kampanyaları sırasında, vatandaş bilim insanları yaban hayatını zamanında gözlemlemeye ve kaydetmeye davet edilir, bu da sadece vatandaşlar ve doğa arasındaki bağı güçlendirmekle kalmaz, aynı zamanda umut verici bir tür dağılımı veri kaynağı olarak hizmet eder. Vatandaş bilim insanları tarafından çevrimiçi anket yoluyla toplanan tür kayıt verileri otomatik olarak görselleştirme platformu veritabanına akar (veri temizleme ve manuel periyodik kontrolden sonra) ve Power BI aracılığıyla sezgisel ve çekici görselleştirilmiş grafiklere ve haritalara (iki tür: mekansal, mekansal ve zamansal) dönüşür. Hem web hem de mobil versiyonu bulunan platform, vatandaş bilimcilerin doğa gözlem çalışmalarına gerçek zamanlı geri bildirim sağlayarak başarı duygularını artırmakta ve gelecekteki doğa gözlem faaliyetlerine katılımlarını motive etmektedir. Ayrıca, platform birden fazla doğa gözlem kampanyasını, her bir kampanyanın özel analizine ilişkin web makalelerine bağlantılarla entegre ettiğinden, geniş bir biyoçeşitlilik bilgisi yelpazesi sunmakta ve vatandaşların diğer bölgelerdeki yaban hayatını tanımaları için "sanal doğa gözlemi" sağlamaktadır.
Platformun kısa bir zaman çizelgesi:
- Ocak-Şubat 2021: ekip oluşturma, analiz yapma, plan oluşturma
- Mart-Haziran 2021: veri tabanı ve platform geliştirmek
- Temmuz-Ağustos 2021: deneme testi
- Eylül 2021: canlı yayına geçme ve tanıtım
Etkinleştirici faktörler
- Veri kalitesini sağlamak için iyi tasarlanmış bir veri toplama anketi ve otomatik veri temizleme mekanizması ve veri gerçekliğini sağlamak için manuel olarak periyodik kontrol (normalde sezonda bir kez).
- Vatandaş bilim insanlarının katılımıyla görselleştirme yöntemlerinin seçimi ve estetik tasarım.
- PowerBI teknolojisi.
- Vatandaş bilimci WeChat topluluğunun işletilmesi ve bakımı.
Çıkarılan dersler
- Bir kamu erişim ürünü olarak, platformu kullanıcı dostu ve çekici hale getirmek için içerikleri ve estetik tasarımı parlatmak asla çok fazla olmayacaktır.
- Kullanıcıları planlama aşamasına dahil etmek ve düşüncelerini almak, kullanıcı ihtiyaçlarını belirlemek için çok yararlıdır.
- Anketlerin iyi tasarlanmış olması ve vatandaş bilim insanlarının veri kaydetmeden önce iyi eğitilmiş olması gerekir. Aksi takdirde, veri kaybına neden olmak kolaydır.
Biyoçeşitlilik Etki Değerlendirme Aracı (BiA)
Biyoçeşitlilik etki değerlendirmesi sorgulamasının otomatik ve anında yapılabilmesi için BiA aracı, Azure platformu üzerinden arazi planlamacıları ve diğer ilgili taraflar için sorgulama hizmetlerini kolaylaştırmak üzere geliştirilmiştir. BiA aracı, sorgulama sahası veya bölgesini (veya mevcut inşaat projelerini) tür dağılımı ve korunan alan aralığı dahil olmak üzere birden fazla coğrafi katmanla kaplayarak sahanın veya bölgenin nesli tükenmekte olan türlerin habitatına ve/veya korunan alanlara belirli bir mesafede (ör. 3 km, 5 km) olup olmadığını ve bunlar üzerinde etkiye neden olup olmayacağını araştırır. Değerlendirme raporları, karar vericiler için inşaat projelerinin ekolojik ve çevresel risklerini gösterir ve umarız onları biyolojik çeşitliliği dikkate almaya teşvik edebilir.
BiA aracının kısa bir zaman çizelgesi:
- Nisan-Haziran 2020: ekip oluşturma, gereksinim iletişimi, sistem geliştirme planı
- Temmuz-Eylül 2020: araç geliştirme
- Ekim 2020: deneme testi, uygulama ve yaygınlaştırma
- (hazırlık aşamasında) Nisan-Eylül 2022: sistem yükseltme
Etkinleştirici faktörler
- Yılların veri toplama birikimi ve veri uygulama yaklaşımları üzerine sürekli düşünme.
- Uzun süreli araştırma ve koruma uygulamalarından elde edilen teorik ve teknik temel.
- BiA aracının hükümetler, yatırımcılar ve işletmeler gibi potansiyel kullanıcılarına tanıtılması.
- Aracın daha da geliştirilmesini tasarlamak için aracın çalışmasının ve kullanıcı geri bildirimlerinin takip edilmesi.
Çıkarılan dersler
- Veri uygulaması, verilerin paydaşlar için değerli bilgilere dönüştüğü tüm veri iş akışının en önde gelen adımıdır. Etkili veri uygulama raporları hedef kitleyi göz önünde bulundurmalıdır (örneğin, kısa ve odaklanmış olmak).
- Geliştirme ve yayınlamanın tamamlanması bir araç için son adım değildir. Potansiyel kullanıcıları bulmak ve onları aracı kullanmaya ikna etmek de çok önemlidir. Bir araç en fazla değeri sağlamak için kullanılmalıdır.
Etkiler
Teknoloji çözümleri biyoçeşitlilik veri iş akışını optimize etmiş ve veri uygulamalarını desteklemiştir:
- Kamera tuzağı veri yönetimi: Topluluk tabanlı kamera tuzağı izleme asistanı uygulaması, sahada kamera tuzağı kurulumundan/toplanmasından sorumlu 86 yerel topluluk gözlemcisi için veri kaydını kolaylaştırdı. Yapay zeka görüntü tanıma modelleri 380.000'den fazla kamera tuzağı görüntüsünü işleyerek 100 saatten fazla işgücünü ikame etti. Veri toplama ve işlemedeki bu hızlanma, paydaşlara zamanında geri bildirim yapılmasını sağlamakta ve koruma kararlarının alınmasını desteklemektedir.
- Vatandaş bilimi veri görselleştirmesi: Platform, 2016-2021 yılları arasındaki altı kampanyada toplanan 22 türe ait 2688 kaydı görselleştirerek ve yeni toplanan kayıtları otomatik olarak güncelleyerek, vatandaş bilimci katılımcılara mekansal, zamansal ve etkileşimli geri bildirimler sağladı ve doğa izleme faaliyetlerine olan ilgiyi önemli ölçüde artırdı.
- BiA aracı: Nature Watch veri tabanı, tür kayıtları (2591 tür, 1,35 milyon kayıt) ve korunan alanlar (6 milli park, 474 ulusal korunan alan, vb.) dahil olmak üzere birçok veri kaynağından toplanan biyolojik çeşitlilik temel verilerini muhafaza etmektedir. BiA aracı bugüne kadar 1260'tan fazla inşaat projesi planlayıcısına ve diğer paydaşlara interaktif ve görselleştirilmiş biyoçeşitlilik etki değerlendirmesi sorgulama hizmetleri sunarak biyoçeşitlilik dostu karar vermeyi kolaylaştırmıştır.
Yararlanıcılar
- Korumacılar: artırılmış verimlilik
- Yerel topluluklar: gelişmiş verimlilik ve zamanında geri bildirim
- Vatandaş bilim insanları: zamanında geri bildirim
- Devlet kurumları, akademik kurumlar, kamu: biyoçeşitlilik verilerine kolay erişim
Sürdürülebilir Kalkınma Hedefleri
SKA 11 - Sürdürülebilir şehirler ve toplumlar
SKA 15 - Karada yaşam
Katkıda bulunanlarla bağlantı kurun
Diğer katkıda bulunanlar
Chen Cheng
Shan Shui Koruma Merkezi
Mengjiao Yu
Shan Shui Koruma Merkezi
Ning Wang
Shan Shui Koruma Merkezi
Xiangying Shi
Shan Shui Koruma Merkezi
Tianmu Jiang
Shan Shui Koruma Merkezi
Ding Jia
Pekin Üniversitesi Doğa ve Toplum Merkezi
Lingyun Xiao
Xi'an Jiaotong-Liverpool Üniversitesi
Peiyun Li
Xi'an Jiaotong-Liverpool Üniversitesi
Xiaoman Hu
Huawei Technologies Co., Ltd.
Luwei He
Huawei Technologies Co., Ltd.
