该计划采用林地碳代码（WCC）来验证所产生的碳信用额。WCC 是一个自愿性规范，鼓励林地创建和碳项目的一致性，同时也为客户提供透明度。审定和验证过程意味着任何纳入该计划的林地都被认证为按照国家标准进行可持续管理。这就为种植新树直接导致的碳螯合量提供了可靠的计算估算。这种额外性概念至关重要。要获得碳信用额，必须明确所有固碳都是新努力的结果，没有该项目就不会有这些努力。参与的项目还必须有长期管理计划，并在整个项目期间保持核查。作为我们合作的一部分，通过种植温带雨林产生的所有碳信用额都将分配给 Aviva，帮助其实现净零目标。这些碳信用额只有在变现为林地碳单位后才会转交给 Aviva。然后，Aviva 会立即收回这些单位，防止任何二次交易的可能性。通过不使用待发行单位（PIUs），该计划确保了最高标准的透明度和合法性。这一点非常重要，因为恢复温带雨林是一个新想法，对碳回报的预测可能与实际创建的单位大相径庭。尽管如此，通过世界碳中心进行的建模包含了大量的风险缓冲，因此我们预计实际收益将超过预测收益。该计划符合 "自然市场原则 "指导方针，该指导方针由非政府环保组织和投资者于 2023 年制定，旨在协助制定政策和创建高质量的自然资本市场。这是首次在创建温带雨林时使用该准则，因此我们正与该准则背后的人员密切合作，以更好地了解这些森林的碳价值。

通过 Jaragua-Bahoruco-Enriquillo 生物圈保护区，特别是通过代表多米尼加共和国 Independencia 和 Bahoruco 省地方政府和周边社区的分理事会，实施了若干行动。

• 为提高领导人和主要社区成员对该地区及其重要性的认识而开展的活动
• 编制并在主要场所（学校、教堂、公共中心、地方公共机构、私人组织和社会） 分发有关保护区的宣传材料（海报、壁画、信息图表）
• 培训当地导游，促进生态旅游活动和替代生计
  
  
  

经济作物整合部分旨在通过将植树造林工作与短期创收联系起来，激励树木管理。根据树木成活率和参加 GAP 培训的情况对表现最出色的农民进行评估，并向他们提供大豆和花生等经济作物投入。这些作物是根据其对当地土壤的适应性、市场需求以及对农林系统的补充能力挑选出来的。农民的大豆产量（350 公斤/英亩）平均增加了 12%，落花生产量（240 公斤/英亩）平均增加了 10%，大豆收入平均为 1,050,000 乌吉亚（285 美元），落花生收入平均为 900,000 乌吉亚（244 美元）。经济作物的加入鼓励农民保持其农林系统，减少为满足短期需要而砍伐树木。

在社区一级植树的主要目的是实现大规模生态系统恢复，同时通过农林业改善当地生计。该项目与四个社区合作，动员了 425 名农民植树，分发了 73 867 株树苗。农民们接受了良好农林业规范 (GAP) 方面的培训，包括植树技术、覆盖物、病虫害管理和提高土壤肥力。选择 Grevillea robusta 和 Agrocarpus 等树种是因为它们生长迅速、具有木材生产潜力，并且能够改善微气候和土壤结构。植树活动的重点是易受侵蚀和干旱影响的退化土地，以有效解决洪水控制、生物多样性恢复和生态系统丧失等问题。

以社区为基础的永久性苗圃旨在确保为植树造林工作生产高质量、抗逆性强的树苗，同时培养当地的能力。四个项目区（卢韦罗、姆巴莱、布希亚和卡普乔瓦）都在每个地点建立了一个集中苗圃，配备了必要的工具、灌溉设施和训练有素的苗圃操作员。种子提前交付（2023 年 12 月至 2024 年 1 月），以便进行充分的生长和硬化过程，确保幼苗达到存活标准。苗圃培育了 96,423 株多用途树种树苗，其中包括格瑞木（Grevillea）和红豆杉（Agrocarpus），这些树种因其对当地气候条件的适应性、抗旱性和土壤稳定特性而被选中。苗圃还是培训中心，农民在这里学习良好的农林技术、种子繁殖、病虫害防治和苗木管理技术。

这是对 PyroSense 平台至关重要的所有信息的综合接收机制。其目的是收集来自多个来源的实时数据，确保系统拥有准确分析和有效决策所需的输入。

PyroSense 整合了一系列不可知且高度兼容的数据：

1. 战略性地部署环境物联网传感器，持续收集二氧化碳、温度和湿度的实时数据。它们的类型和协议与 MQTT、LoRa、Sigfox 和 NBIoT 兼容，确保了广泛的集成。为了提高效率，它们配备了长效电池（长达 10 年），最大限度地减少了维护工作。

2. 固定摄像头和无人机可捕捉高分辨率图像和实时视频。集成的视觉人工智能实时处理这些视觉数据，以检测烟雾或火灾等异常情况。

3. PyroSense 可从本地气象站和卫星收集数据。将细粒度的本地数据与广泛的卫星覆盖范围相结合，可全面了解当前的天气情况。

4. 地理信息系统提供基础空间信息，包括地形、植被、基础设施等地图。

5. 消防员可穿戴设备监测实时生物特征。人工智能增强了数据的风险模式识别，如疲劳或热应激。实时警报会发送到附近的小组或控制中心，从而实现主动干预。

与鸟类或哺乳动物相比，两栖动物受到的威胁更大，数量减少的速度更快。两栖动物数量的减少是由多种因素造成的，如气候变化、糜烂性真菌以及物种贩运等其他人为因素。然而，两栖动物面临的威胁程度无疑被低估了，因为有 1294 种（22.5%）两栖动物鲜为人知，无法进行评估，而鸟类只有 78 种（0.8%）（Stuart 等人，2004 年）。

这种知识赤字凸显了 Ribbit 等教育工具在科学研究民主化方面的极端重要性。通过降低生态监测的门槛，Ribbit 等应用程序将被动的观察者转变为积极的保护参与者。教育技术使公民科学家能够直接为了解和保护脆弱的生态系统做出贡献，通过在研究不足的地区扩大数据收集来解决关键的研究局限。

这些创新平台提高了公众对生物多样性挑战的认识，同时为科学参与提供了便捷的途径。与拥有完善研究基础设施的以鸟类为重点的应用程序不同，震旦类动物保护缺乏全面的公民科学平台。Ribbit 填补了这一重要空白，使个人有能力成为两栖动物研究的重要贡献者，扭转了数据缺乏的趋势，并通过协作、技术驱动的环境管理支持全球保护工作。它是第一个包含 800 多种两栖动物信息的应用程序，有四种语言版本，包括叫声类型、照片、CITES 信息（物种是否被贩卖或用于商业目的，涉及 GBF 目标 5 和 9）、IUCN 状态（物种是否濒危，涉及 GBF 目标 4）以及动物行为和繁殖的一般信息。

事实证明，公民科学应用程序有助于生物多样性监测，同时还能吸引自然爱好者参与其中（Callaghan 等人，2019 年）。例如，澳大利亚博物馆推出的应用程序 FrogID 允许用户记录青蛙叫声，并由人工验证员核实其身份。迄今为止，FrogID 已发表的论文涉及监测入侵物种（Rowley 和 Callaghan，2023 年）、为 IUCN 红色名录评估提供信息（Gallagher 等人，2024 年）、评估火灾影响（Mitchell 等人，2023 年）、了解城市化影响（Callaghan 等人，2020 年）以及研究青蛙叫声行为（Liu 等人，2022 年）。我们的目标是在更短的时间内，利用 Ribbit 和世界各地的无尾类物种取得类似的成果。迄今为止，FrogID 团队已经积压了超过 18,000 个呼叫，使用我们的应用程序可以大大减少这些呼叫，因为机器学习算法的实施大大缩短了处理时间。

在我们应用程序的第一轮测试中，有 50 位用户提交了录音以供识别。他们的反馈是积极的：主题专家指出，他们记录的物种与 Ribbit 预测的物种相符；自然爱好者喜欢 "每日一蛙 "功能，该功能向他们介绍了一个新的无脊椎动物物种，或让他们通过该物种的名称和最常见的叫声重新认识熟悉的无脊椎动物（GBF 目标 11）。

世界各地的现代动物园和水族馆提供了独特的机会，在动物护理、物种保护和公众教育方面贡献了专业知识，为现代保护和科学研究奠定了坚实的基础。通过与这些机构密切合作，并利用它们生成的数据和见解，GAIA 计划旨在弥合原生境和非原生境保护工作之间的差距。人类照料下的动物可以作为了解物种的生物学、行为和对环境变化的反应的宝贵模型。此外，动物园的受控条件允许在更可预测和更方便的环境下开发和测试先进技术，如动物传感器和人工智能系统，然后再部署到野外。

该模块的重点领域包括

• 为传感器数据的人工智能管道开发生成参考和训练数据。通过在大型鸟舍中人工饲养的秃鹫身上部署标签并同时对其行为进行重新编码，我们能够为人工智能的训练创建一个配对数据集。 有了训练有素的人工智能，就不再需要观察动物来检测相关行为（如进食）；人工智能能够非常可靠地从传感器数据中预测行为，让我们深入了解目标动物的一生行为。
• 教育和公众参与：柏林动物园将 GAIA 的研究成果纳入其教育计划，并在媒体关系和公众宣传方面开展合作，提高公众对生物多样性保护和技术创新的认识和参与。向游客介绍最先进的工具及其对野生动物保护的影响。

GAIA 计划的一个主要目标是尽量减少对动物个体的影响，而且这种影响只能是绝对必要的。对于狮子和秃鹫，柏林动物园和柏林 Tierpark 都进行了广泛的测试程序（在德国动物测试和动物福利系统内）。兽医专家针对动物园动物和野生动物开发并测试了相关技术，这些技术被认为是安全的，并且符合严格的动物福利要求。此外，GAIA 内部和其他研究小组都有关于对相应物种进行标记和套圈的效果的长期经验和数据。例如，事实证明，给秃鹫贴标签不会对鸟类的福利、健康或繁殖产生任何不利影响。研究发现，秃鹫带着标签能活很多年，有相似的运动和觅食行为，还能生育后代。

GAIA与柏林动物园的合作也强调了该倡议在GBF目标21 "确保知识的可用性和可及性，以指导生物多样性行动 "意义上的交流和知识转让目标。这一领域的活动不仅针对广大公众，提高他们对生物多样性保护和技术创新的认识，而且还针对国家和国际层面的政治决策者。例如，GAIA 非常积极地与德国和纳米比亚的政治利益相关者进行磋商，并参加了在比利时布鲁日举行的世界自然保护联盟 2024 年地区保护论坛。

对于生态研究和 GAIA 使用案例来说，有必要在偏远荒野地区长期可靠、准确地识别不同动物物种的行为。为此，GAIA 的科学家们开发并训练了一种人工智能（AI），它可以根据 GPS 和加速度数据进行行为分类，并准确地告诉我们，例如，安装了动物标签的白背秃鹫在任何特定时间和地点正在做什么。这种人工智能最终将直接在 GAIA 动物标签上运行，并从传感器数据中生成行为信息。第二步，科学家们将由此分类的行为与来自标签的 GPS 数据相结合。利用空间聚类算法，他们确定了某些行为发生频率较高的地点。通过这种方法，他们获得了秃鹫进食的空间和时间精细分辨位置。最后但并非最不重要的一点是，GAIA 正在开发一种图像识别人工智能，用于分析新标签系统的集成摄像头拍摄的照片。所有这些算法都将直接在标签上运行，并能执行高效的嵌入式数据处理。这也对图像识别人工智能提出了非常特殊的要求，因为它必须以特别小的数据量运行。为此，GAIA 团队正在为稀疏人工智能开发适当的策略和模型。

这种新型尸体检测管道是阻止物种灭绝和管理人类与野生动物冲突的关键资产，因此符合 GBF 目标 4。该管道可迅速检测到秃鹫的死亡或秃鹫正在捕食的动物的死亡。这两种情况都与阻止物种灭绝有关：在秃鹫尸体上投毒是许多秃鹫物种数量减少的重要原因。由于秃鹫在寻找食物时采用社会策略，一具被毒死的尸体可以杀死数百只鸟。GAIA 计划的科学家们已经证明，给秃鹫贴上标签可以及早发现死亡的秃鹫，并将尸体移走。给秃鹫贴上标签并使用这里介绍的人工智能管道，可以大大减少进一步的死亡。其次，及早发现濒危物种的偷猎事件，可以在当地全面制止偷猎行为，为防止物种灭绝做出重大贡献。