عکس: مهاجرت گله‌های گنو نمونه‌ای کلاسیک از رفتار خودسازمان‌یافته است؛ رهبری وجود ندارد، اما با این حال نظمی شگفت‌انگیز پدید می‌آید.
تلویزیون اینترنتی کشاورزپلاس: پژوهشگران با کمک ماهواره‌ها و هوش مصنوعی، شمار دقیق‌تری از گله‌های گنو به‌دست می‌آورند و افق تازه‌ای در مطالعه حرکت جمعی جانوران در مقیاس بزرگ می‌گشایند.
مهاجرت بزرگ گله‌های گنو، رویدادی حیاتی و شگفت‌انگیز در طبیعت، اکنون با استفاده از فناوری ماهواره و هوش مصنوعی زیر نظر گرفته می‌شود.
این روش نوآورانه به دانشمندان امکان می‌دهد تا جمعیت گنوها را با دقتی بیش از روش‌های سنتی (مانند سرشماری هوایی) برآورد کنند.
این مطالعه نشان می‌دهد که فناوری ماهواره‌ای می‌تواند پایش حیات‌وحش را متحول کند و دید تازه‌ای از حرکت جمعی جانوران ارائه دهد.
قلب تپنده اکوسیستم سرنگتی–مارا
مهاجرت بزرگ گله‌های گنو، یکی از شگفت‌انگیزترین نمایش‌های طبیعی زمین است. هر سال، گله‌های عظیم گنوها به همراه گورخرها و غزال‌ها، مسیری ۸۰۰ تا ۱۰۰۰ کیلومتری را میان تانزانیا و کنیا در جست‌وجوی چراگاه‌های تازه پس از باران طی می‌کنند.
این سفر دایره‌وار، موتور محرک اکوسیستم سرنگتی–ماراست. مهاجرت، خوراک شکارگرانی چون شیرها و کروکودیل‌ها را تأمین می‌کند، زمین را بارور می‌سازد و چمنزارها را زنده نگه می‌دارد. گونه‌های بی‌شمار دیگر و حتی معیشت میلیون‌ها انسان وابسته به مراتع و گردشگری، به این چرخه وابسته‌اند.
از آن‌جا که این مهاجرت بنیان اکوسیستم را تشکیل می‌دهد، دانستن شمار دقیق جانوران نقشی حیاتی دارد؛ زیرا هر تغییر در جمعیت، زنجیره‌ای از اثرات را بر شکارگران، پوشش گیاهی و زندگی انسان‌ها به دنبال دارد.
از آسمان تا فضا
دهه‌هاست که سرشماری هوایی ابزار اصلی برآورد جمعیت گنوهای شرق آفریقا بوده است. در این روش، هواپیماها بر فراز نوارهایی چند کیلومتری پرواز کرده و تعداد جانوران را در این مسیرها می‌شمارند تا رقم کلی تخمین زده شود. بر پایه‌ی این روش دیرینه، جمعیت گنوها حدود ۱.۳ میلیون رأس برآورد شده است.
اما در سال‌های اخیر، دانشمندان حفاظت از طبیعت در حال آزمودن راهی نو هستند: استفاده از ماهواره‌ها و هوش مصنوعی برای شناسایی الگوهای تصویری در داده‌های عظیم. پژوهش‌های پیشین نشان داده بود که گونه‌هایی چون فک‌های وِدل، نهنگ‌های بِلوا و فیل‌ها را می‌توان با کمک هوش مصنوعی در تصاویر ماهواره‌ای تشخیص داد.
در سال ۲۰۲۳، ما نشان دادیم که گنوهای مهاجر نیز در تصاویر ماهواره‌ای با کمک «یادگیری عمیق» قابل تشخیص‌اند. آن پژوهش اثبات کرد که می‌توان تجمعات بزرگ پستانداران را از فضا رصد کرد. گام بعدی، برآورد جمعیت از طریق همین تصاویر بود — یعنی استفاده از ماهواره نه فقط برای دیدن، بلکه برای «شمارش در مقیاس وسیع».
روش مطالعه
این پژوهش تازه حاصل همکاری زیست‌شناسان، متخصصان سنجش از دور و دانشمندان یادگیری ماشین است. ما تصاویر ماهواره‌ای از اکوسیستم سرنگتی – مارا را در سال‌های ۲۰۲۲ و ۲۰۲۳، در محدوده‌ای بیش از ۴۰۰۰ کیلومتر مربع، تحلیل کردیم.
تصاویر با دقتی بسیار بالا (۳۳ تا ۶۰ سانتی‌متر برای هر پیکسل) گرفته شده بودند؛ هر گنو در تصویر کمتر از ۹ پیکسل را اشغال می‌کرد. برای تحلیل داده‌ها از دو مدل یادگیری عمیق مکمل استفاده شد: یک مدل پیکسلی به‌نام U-Net و یک مدل شیء‌محور به‌نام YOLO. هر دو برای تشخیص گنو از نمای بالا آموزش دیده بودند و به کارگیری همزمان آن‌ها به ما امکان داد تا نتایج را با یکدیگر تطبیق داده و خطاها را کاهش دهیم.
تصاویر در آغاز و پایان ماه اوت گرفته شدند و مراحل مختلف مهاجرت در فصل خشک را پوشش دادند. در اوایل ماه، گله‌ها کوچک‌تر بودند — همان‌گونه که انتظار می‌رفت.
در مجموع، مدل‌ها کمتر از ۶۰۰ هزار گنو را در محدوده‌ی فصل خشک شناسایی کردند. هرچند این رقم از برخی برآوردهای هوایی کمتر است، نباید فوراً به‌معنای کاهش جمعیت تلقی شود. پژوهشگران پیشنهاد می‌کنند بررسی‌های بیشتری برای سنجش میزان خطا در هر روش انجام شود. بخشی از جانوران ممکن است زیر درختان پنهان یا خارج از محدوده‌ی تصویربرداری بوده باشند، اما بعید است این عوامل اختلافی در حد صدها هزار رأس ایجاد کرده باشند.
برای اطمینان از پوشش کامل گله‌های اصلی، داده‌های GPS گنوهای گردن‌بنددار و مشاهدات زمینی سازمان‌های منطقه‌ای نیز به کار گرفته شد.
این مطالعه، نخستین سرشماری ماهواره‌ای فصل خشک در مهاجرت سرنگتی–ماراست. هدف آن جایگزینی روش هوایی نیست، بلکه ارائه‌ی دیدی مکمل است تا پویایی فصلی جمعیت‌ها دقیق‌تر فهمیده شود. گام بعدی، هماهنگ‌سازی همزمان هر دو روش است تا هر یک بتواند دیگری را اصلاح کند و تصویری کامل‌تر از این مهاجرت شگرف ارائه دهد.
آینده پایش از فضا
پایش ماهواره‌ای همه‌چیز را حل نمی‌کند. تصاویر گران هستند و گاه پوشش ابری مانع می‌شود. حتی این روش نیز نمی‌تواند هر جانور را ببیند — همان‌طور که پروازهای هوایی هم نمی‌توانند.
با این حال، مزایای آن چشمگیر است: ماهواره‌ها می‌توانند در یک لحظه، تصویری جامع از گستره‌های عظیم زمین بگیرند و بخش بزرگی از عدم قطعیت‌های ناشی از برآوردهای موضعی را از میان ببرند.
این روش قابلیت گسترش به گونه‌ها و زیست‌بوم‌های دیگر را نیز دارد. با پرتاب ماهواره‌های با وضوح بالاتر (زیر ۵۰ سانتی‌متر)، اکنون می‌توان در یک روز چندین بار از نقطه‌ای ثابت روی زمین تصویر گرفت — گامی بزرگ به سوی پایش تقریباً «همزمان» حیات‌وحش.
فراتر از شمارش
کاربرد ماهواره‌ها تنها به سرشماری محدود نیست. آن‌ها پنجره‌ای تازه به علم گشوده‌اند: مطالعه حرکت جمعی در مقیاس بزرگ.
مهاجرت گنوها نمونه‌ای کلاسیک از «رفتار خودسازمان‌یافته» است — رهبری وجود ندارد، اما نظم از دل بی‌نظمی پدید می‌آید. هر جانور تنها از نشانه‌های ساده‌ای پیروی می‌کند: چمن سبزتر کجاست، همسایه به کدام سو می‌رود. و در کنار هم، هزاران جانور سفری هماهنگ و عظیم را شکل می‌دهند.
اکنون با داده‌های ماهواره‌ای با وضوح بالا، دانشمندان می‌توانند فیزیک پایه حرکت جمعی را بررسی کنند:
امواج تراکم در میان گله‌ها چگونه در فضا گسترش می‌یابد؟ چه قوانین مقیاسی فاصله و هم‌راستایی آن‌ها را تعیین می‌کند؟ و این الگوهای جمعی چه نقشی در کارکرد اکوسیستم دارند؟
پژوهش ما نشان می‌دهد که ماهواره‌ها و هوش مصنوعی می‌توانند نه تنها در پایش جمعیت حیات‌وحش، بلکه در فهم سازوکارهای بنیادی سازمان‌یافتگی جمعی در میان جانوران به کار گرفته شوند.
نویسندگان:
-
دانیل روبنشتاین، استاد جانورشناسی و مدیر برنامه مطالعات محیط‌زیست، دانشگاه پرینستون
-
دیوید مک‌دونالد، استاد حفاظت از حیات‌وحش و مدیر واحد پژوهشی حفاظت حیات‌وحش، دانشگاه آکسفورد
-
تیجون وانگ، دانشیار سنجش از دور و بوم‌شناسی جغرافیایی، دانشگاه تونته
نویسنده اصلی:
ایزلا سی. دوپورج، جانورشناس انگلیسی–فرانسوی و پژوهشگر پسادکتری در دانشگاه پرینستون
(این مقاله از وب‌سایت The Conversation با مجوز Creative Commons بازنشر شده است.)
دیدگاه تان را بنویسید