Science >> Wetenschap >  >> Biologie

Kunstmatige intelligentie verbetert de monitoring van bedreigde gemarmerde murrelet

Gemarmerde murrelet. Credit:Brett Lovelace

Analyse door kunstmatige intelligentie van gegevens verzameld door akoestische opnameapparatuur is een veelbelovend nieuw hulpmiddel voor het monitoren van de gemarmerde murrelet en andere geheimzinnige, moeilijk te bestuderen soorten, zo blijkt uit onderzoek van de Oregon State University en de U.S. Forest Service.



De bedreigde gemarmerde murrelet is een iconische zeevogel uit de Pacific Northwest die nauw verwant is aan papegaaiduikers en zeekoeten, maar in tegenstelling tot deze vogels brengen murrelets hun jongen tot 60 mijl landinwaarts groot in volwassen en oudgroeiende bossen.

"Er zijn maar heel weinig soorten zoals deze", zegt co-auteur Matt Betts van het OSU College of Forestry. "En er is geen andere vogel die zich in de oceaan voedt en zulke lange afstanden aflegt naar nestplaatsen in het binnenland. Dit gedrag is super ongewoon en het maakt het bestuderen van deze vogel echt een uitdaging."

Een onderzoeksteam onder leiding van Adam Duarte van het Pacific Northwest Research Station van de Amerikaanse Forest Service gebruikte gegevens van akoestische recorders, oorspronkelijk geplaatst om te helpen bij het monitoren van populaties noordelijke bonte uilen, op duizenden locaties in federaal beheerde bossen in de Oregon Coast Range en het Olympic Peninsula in Washington. .

Onderzoekers ontwikkelden een machine learning-algoritme dat bekend staat als een convolutioneel neuraal netwerk om de opnames voor murrelet-oproepen te ontginnen.

Bevindingen, gepubliceerd in Ecologische indicatoren , werden getest aan de hand van bekende populatiegegevens van murrelets en bleken voor meer dan 90% correct te zijn. Dit betekent dat de recorders en AI nauwkeurig kunnen zien hoeveel murrelets er in een bepaald gebied aanroepen.

"Vervolgens testen we of murreletgeluiden daadwerkelijk de voortplanting en bezetting van de soort kunnen voorspellen, maar dat is nog een paar stappen verwijderd", zei Betts.

De gemarmerde murrelet ter grootte van een duif brengt het grootste deel van zijn tijd door in kustwateren en eet krill, andere ongewervelde dieren en voedervissen zoals haring, ansjovis, spiering en lodde. Murrelets kunnen slechts één nakomeling per jaar produceren als het nest succesvol is en hun jongen voedervissen nodig hebben voor een goede groei en ontwikkeling.

De vogels leggen hun enkele ei doorgaans hoog in een boom op een horizontale tak met een diameter van minstens 10 cm. Stellers Vlaamse gaaien, kraaien en raven zijn de belangrijkste roofdieren van murreletnesten.

Langs de westkust worden regelmatig gemarmerde murrelets gevonden, van Santa Cruz, Californië, tot aan de Aleoeten. De soort wordt vermeld als bedreigd onder de Amerikaanse Endangered Species Act in Washington, Oregon en Californië.

"Het grootste aantal detecties in onze studie vond doorgaans plaats daar waar laat-successioneel bos domineert en dichter bij oceaanhabitats ligt", aldus Duarte.

Laat-successioneel verwijst naar volwassen en oudgroeiende bossen.

"Onze resultaten bieden een aanzienlijke belofte voor het modelleren van de verspreiding van soorten en het monitoren van populaties op de lange termijn voor zeldzame soorten", aldus Duarte. "Monitoring is veel minder arbeidsintensief dan het zoeken naar nesten via telemetrie, het zoeken naar nesten op de grond of traditionele audio/visuele technieken."

Matthew Weldy van het College of Forestry, Zachary Ruff van het OSU College of Agricultural Sciences en Jonathon Valente, een voormalig postdoctoraal onderzoeker uit Oregon State en nu verbonden aan de US Geological Survey, sloten zich aan bij Betts en Duarte in het onderzoek, samen met Damon Lesmeister en Julianna Jenkins van de Staatsbosbeheer.

Meer informatie: Adam Duarte et al., Passieve akoestische monitoring en convolutionele neurale netwerken maken monitoring met hoge resolutie en grootschalige monitoring van een bedreigde soort mogelijk, Ecologische indicatoren (2024). DOI:10.1016/j.ecolind.2024.112016

Journaalinformatie: Ecologische indicatoren

Aangeboden door Oregon State University