Ameerika Ühendriikide lääneosa võib läbida kuni 1 miljon kilomeetrit tara, millest piisab, et ulatuda Kuuni ja tagasi. Viimase sajandi jooksul peamiselt kariloomade piiramiseks püstitatud okastraadist ja okastraadist tarad takistavad ka metsloomadel, näiteks hirvedel, hirvedel ja prongorniiridel, rännata, et leida toitu või põgeneda sügava lume eest. Looduskaitsjad püüavad mõned vanad tarad eemaldada või asendada, kuid see tähendab, et neid tuleb leida läänemaailma suurtel aladel. Kaks teadlast pöördusid abi saamiseks tehisintellekti (AI) poole.
Senckenbergi bioloogilise mitmekesisuse ja kliima uurimiskeskuse järeldoktorant Wenjing Xu ja Zhongqi Miao, Microsofti AI for Good Lab'i rakendusuurija, õpetasid arvutit tuvastama tarasid Wyomingi edelaosa kohal lendavatelt lennukitelt tehtud õhupiltidelt, mis on oluline piirkond rändavate kurvitsaliste ja muulihirvede jaoks. Kontrollides aedade hinnanguid kohapealsete uuringute andmetega, leidsid nad, et süsteem suudab täpselt tuvastada umbes 70% aedadest, teatasid nad eelmisel nädalal Ameerika Ökoloogiaühingu konverentsil Long Beachis, Californias. Duo plaanib laiendada oma meetodeid satelliidipiltide kasutamisele, mis võib avada ukse tarade tuvastamiseks mujal maailmas.
„Piirdeaiad mängivad suurt rolli loomade liikumises ja keskkonna tervises ning praegu on väga raske saada häid andmeid selle kohta, mis nendega toimub,“ ütleb Wyomingi ülikooli ökoloog ja arvutiteadlane Ben Koger, kes kasutab oma uurimistöös samuti õhupilte, kuid ei olnud projektis osalenud. Miao ja Xu meeskond on „astunud hea sammu selles suunas, et teha midagi.“
Piirdeaiad on pikka aega olnud probleemiks metsloomadele kogu Läänes, kes rändavad parima elupaiga leidmiseks, nagu üks hiljutine uuring rõhutas. Western EcoSystems Technology bioloog Hall Sawyer pani raadio teel paelale 45 pronghorni, et jälgida nende liikumist Wyomingi kõrgustikul, mida nimetatakse Punaseks kõrbeks. 2023. aasta talvel, pärast kuudepikkust sügavat ja märga lund, tugevat tuult ja külma, suri pool kaelustatud pronghorni - koos tuhandete teistega kogu karjast. Nende kaelarihmade andmed näitasid, et loomad olid püüdnud karmide talveolude eest põgeneda - ainult selleks, et põrgata vastu aedu ja kiirteed. Üks loom oli rändanud kaugemale kui 400 kilomeetrit, kuid ei jõudnud kunagi kaugemale kui 50 kilomeetrit oma alguskohast, ütleb Sawyer.
Mõnes piirkonnas on looduskaitsjad ja looduskaitseorganisatsioonid hakanud tarasid välja võtma või asendama neid metsloomadele sobivate taradega, mille alt on sellistel liikidel nagu pronghornil lihtsam läbi roomata ja hirvel kergem üle hüpata. 2019. aasta uuringus, milles vaadeldi tarade eemaldamise mõju Albertas, Saskatchewanis ja Montanas, leiti, et kuna pronghornid väldivad tugevalt tarasid, võib tõkete eemaldamine suurendada loomade juurdepääsu kvaliteetsele söödale kuni 38% võrra nii avalikul kui ka eramaal.
Aedade süstemaatiline eemaldamine või asendamine võib aga olla keeruline, kui ei tea, kus need asuvad. „Mõnes kohas on riiklikel asutustel andmed olemas, teistes aga mitte,“ ütleb Xu, kes töötas oma doktoritöö jaoks California Ülikooli Berkeley ülikoolis rohkem kui 7000 kilomeetri pikkuse tara kaardistamise kallal Wyomingi edelaosas kohapealsete uuringutega.
Parema inventuuri loomiseks töötas ta koos Miaoga välja meetodi, mille abil saab suurtel taranditel tarasid eemalt tuvastada. Seni on nad keskendunud lennukitelt tehtud fotodele, mille eraldusvõime on kuni 60 sentimeetrit piksli kohta. Miao treenis süvaõppe mudelit, et otsida igas pikslis aedu, kasutades Xu töö käigus Wyomingis saadud kohapealseid andmeid. Miao nimetab tulemusi „tõeliselt paljulubavaks“, kuid tunnistab varajasi piiranguid, sealhulgas juhtumeid, kus mudel on eksinud teede ja tarade vahel. Ta ja Xu otsivad nüüd koostööpartnereid, kellega nad saaksid koguda kõrgema resolutsiooniga pilte ja treenida mudelit nende põhjal, et muuta see eristusvõimelisemaks.
Florida ülikooli arvutinägemise ökoloog Ben Weinstein, kes ei osalenud uuringus ja ei ole tulemusi vaadanud, ütleb, et 70%-line edu on üsna tüüpiline varajases staadiumis olevate projektide puhul, milles kasutatakse tehisintellekti abi looduskaitseküsimustes. Ta lisab, et selliseid projekte ei tohiks kasutada selleks, et asendada inimvaatlusi, vaid selleks, et anda looduskaitserühmadele ja maahaldajatele rohkem vahendeid otsuste tegemiseks.
Sawyer, kes on Xuga varem koostööd teinud, kuid mitte selle projekti raames, on samuti lootusrikas. Kuid ta soovib, et meetod annaks üksikasjalikumat teavet tarade kohta. „Juhtmete tüüpide ja kõrguste mõistmine võimaldaks meil kindlaks teha, kas need on suurulukitele probleemiks.“ Miao ütleb, et satelliidipiltide abil saaks eristada peamisi taratüüpe, näiteks puidutüüpi ja traati, kuid need ei pruugi olla piisavalt üksikasjalikud, et eristada kootud või okastraadist traati.
Kui Miao ja Xu on oma mudelit täiustanud, kavatsevad nad seda rakendada kogu USA lääneosas ning seejärel rohumaadel ja karjamaadel kogu maailmas, sealhulgas sellistes riikides nagu Tiibet, Austraalia ja Keenia. Kuid Koger ütleb, et kuigi tehisintellekt võib olla hea mustrite õppimisel, võib tal olla raskusi nende mustrite ekstrapoleerimisega uutesse keskkondadesse. „See saab olema põnev, et silma peal hoida.“
Lisateave: https://www.science.org/content/article/reduce-wildlife-deaths-caused-fences-scientists-are-turning-ai
