Drone & AI Mengubah Cara Kelangsungan Hidup dan Pengelolaan Satwa Liar

Kekuatan kecerdasan buatan (AI) semakin banyak dimanfaatkan untuk melindungi spesies yang terancam punah.

The same technology that many fear could one day cause job displacement or even pose a threat to humanity is now being used to save animals. AI is coming to the defense of endangered species across the globe in a myriad of ways, including tracking movement patterns and water loss in wetlands and rivers, enhancing anti-poaching efforts, developing advanced warning systems, and counting species using classification and surveillance techniques.

Melalui semua upaya ini, AI telah membantu menyelamatkan populasi yang menurun dari gajah, ikan, pangolin, badak, serigala merah, panther Florida, dan banyak lagi.

AI dapat menemukan, mengidentifikasi, dan melindungi spesies yang rentan dengan menganalisis data dalam jumlah besar, menemukan tren, dan memantau ekosistem seiring waktu. Berbeda dengan metode konvensional yang mengganggu ekosistem dan memerlukan banyak waktu, tenaga kerja, serta sumber daya, AI melakukannya dengan cepat dan efektif.

Dengan hingga satu juta spesies berada di ambang kepunahan, dan keanekaragaman hayati menurun pada tingkat yang mengkhawatirkan, AI menawarkan alat yang kuat untuk mendukung upaya konservasi. Manfaatnya, termasuk peningkatan efisiensi, pemrosesan data yang lebih cepat, pemantauan satwa liar otomatis, deteksi ancaman yang ditingkatkan, peringatan real-time, pengambilan keputusan yang lebih baik, dan berbagi data yang dapat diskalakan, dapat merevolusi cara kita melindungi spesies yang terancam punah.
Akibatnya, peneliti beralih ke AI untuk memantau keanekaragaman hayati dan memperkuat upaya membantu spesies yang terancam punah.

Studi terbaru oleh peneliti dari University of Florida telah melakukan hal itu. Mereka menggunakan AI untuk mengungkap situs sarang yang menampung hingga 41.000 kura-kura tersembunyi di Amazon. Penemuan ini menandai situs sarang kura-kura terbesar yang diketahui di dunia, dimungkinkan melalui pemodelan cerdas dan drone.

Penggunaan teknik inovatif yang dipadukan dengan citra udara dan koreksi statistik telah membantu mengatasi kelemahan utama dalam teknik penghitungan konvensional dan memungkinkan pemantauan satwa liar yang lebih akurat.

“Kami mendeskripsikan cara baru untuk memantau populasi hewan secara lebih efisien,” kata Ismael Brack, penulis utama studi dan peneliti pasca-doktoral di UF Institute of Food and Agricultural Sciences’ (UF/IFAS) School of Forest, Fisheries, and Geomatics Sciences. “Meskipun metode ini digunakan untuk menghitung kura-kura, ia juga dapat diterapkan pada spesies lain.”

Agregasi Musiman: Kunci untuk Penghitungan Satwa Liar yang Akurat

Ketika mempelajari dinamika populasi, seperti bagaimana spesies tumbuh, menyusut, atau berpindah, memahami hubungan predator-mangsa dan interaksi antarspesies, serta menganalisis efek konversi habitat dan perubahan iklim global, kelimpahan menjadi variabel fundamental dalam ekologi dan konservasi.

Dengan memantau kelimpahan seiring waktu, kita juga dapat mendeteksi dan memprediksi tren dalam populasi spesies invasif atau terancam.

Mengetahui berapa banyak spesies yang ada membantu melacak perubahan, mengidentifikasi ancaman, dan mengukur keberhasilan upaya perlindungan atau pengendalian, namun memperkirakan kelimpahan ini sangat sulit, terutama di area luas di mana spesies langka, sulit ditemukan, atau tersebar luas. Hal ini membuat sulit menemukan dan menghitung spesies secara akurat.

Cara efektif untuk meningkatkan efisiensi dan akurasi upaya memperkirakan serta memantau kelimpahan adalah dengan menghitung hewan selama periode agregasi spasial.

Ini berarti beberapa spesies satwa liar menunjukkan perilaku musiman di mana mereka berkumpul di area kecil untuk beristirahat, kawin, berkembang biak, bersarang, dan berinteraksi sosial, memberikan kesempatan sempurna untuk menghitung mereka. Misalnya, kura-kura berkumpul untuk bersarang di pantai dan pulau pasir.

Untuk mengambil sampel populasi satwa liar yang teragregasi secara spasial, drone digunakan sebagai metode yang efisien dan kurang invasif.

Drone, yang juga dikenal sebagai kendaraan udara tak berawak (UAV) atau pesawat terbang yang dikendalikan dari jarak jauh (RPA), terbukti lebih tepat dan akurat dalam menghitung spesies yang berkumpul di satu tempat. Mereka juga menyebabkan gangguan yang lebih sedikit pada hewan dibandingkan survei berbasis darat.

Untuk menggunakan drone, jalur penerbangan direncanakan untuk mencakup seluruh area tempat spesies berkumpul. Overlap dipertahankan antara foto berurutan dan strip lateral, memungkinkan semua gambar yang dikumpulkan digabung menjadi satu mosaik ortorektifikasi tunggal.

Menggabungkan banyak gambar kecil dengan distorsi yang dihilangkan untuk membuat gambar beresolusi tinggi, detail tinggi, kualitas peta besar menghasilkan mosaik ortorektifikasi.

Menghitung individu satwa liar dalam ortomosaik selama peristiwa agregasi, bagaimanapun, dapat mengalami kesalahan tidak disengaja, yang dapat menghasilkan perkiraan bias.

Meskipun merupakan cara yang cepat, kurang invasif, dan lebih tepat untuk menghitung hewan dibandingkan dari darat, teknik ini tidak memperhitungkan fakta bahwa hewan kadang‑kadang bergerak selama pengamatan.

Misalnya, hewan dapat tersembunyi oleh vegetasi atau berada di tempat lain sementara gambar diambil. Bahkan jika hewan berada dalam gambar, ia mungkin tidak terdeteksi oleh algoritma atau pengamat manusia. Kemungkinan lain adalah hewan yang bergerak muncul beberapa kali dalam foto.

Faktor penting di sini, menurut studi terbaru, adalah konsentrasi spesies ini biasanya bersifat sementara, dengan individu datang dan pergi selama beberapa hari karena bersarang, berkembang biak, atau migrasi, menyebabkan fluktuasi ukuran populasi.

Kesalahan yang dihasilkan dari “populasi terbuka” ini dapat memberi kita angka yang salah, dengan bagian yang mengkhawatirkan bahwa “kesalahan ini sering diabaikan dalam estimasi kelimpahan yang berasal dari hitungan ortomosaik survei berbasis drone.”

Jadi, peneliti University of Florida ingin menciptakan pendekatan yang memperhitungkan banyak sumber kesalahan. Untuk itu, mereka menggunakan dua jenis dataset: penampakan kembali hewan yang ditandai dan hitungan populasi keseluruhan.

Pengawasan Udara & Pemodelan Cerdas yang Merevolusi Perkiraan Populasi

Dalam kolaborasi dengan peneliti Lembaga Konservasi Satwa Liar (WCS) berbasis New York yang non‑pemerintah di Kolombia, Brasil, dan Bolivia, proyek ini dimulai dengan fokus pada Kura‑kura Sungai Raksasa Amerika Selatan (Podocnemis expansa), yang juga disebut kura‑kura sungai Amazon raksasa, kura‑kura sungai, atau sederhana disebut Arrau.

Dipublikasikan dalam Journal of Applied Ecology, penelitian¹ didorong oleh kebutuhan untuk memperkirakan kelimpahan kura‑kura sungai dan memiliki protokol pemantauan selama agregasi air tawar terbesar yang diketahui di dunia.

Kura‑kura sungai telah mengalami penurunan historis, baik menghilang dari banyak anak sungai Amazon dan Orinoco maupun hadir dalam kepadatan yang jauh lebih rendah.

Populasi mereka telah menurun secara signifikan, terutama karena eksploitasi berlebihan oleh pemburu untuk daging dan telur. Akibatnya, agregasi besar mereka kini menjadi langka.

Namun, masih ada beberapa populasi besar spesies ini di seluruh jangkauannya, dan beberapa di antaranya tampaknya pulih, dengan perilaku musiman mereka memberikan peluang tak ternilai untuk memantau populasi mereka.

Ribuan makhluk sosial ini berkumpul setiap tahun selama musim kemarau (Juli atau Agustus) untuk bersarang di pulau pasir Sungai Guaporé, di perbatasan Brasil‑Bolivia.

Untuk memperkirakan jumlah mereka, sebelumnya para ahli mengandalkan menghitung anak‑anak yang menetas, kemudian memperkirakan jumlah betina berdasarkan rata‑rata telur per sarang. Ini merupakan metode invasif dan memakan waktu karena harus memasang pagar di perimeter dan memanipulasi anak‑anak.

Selain itu, sarang individu tidak dapat dibedakan satu sama lain, membuatnya tidak hanya menantang tetapi bahkan tidak mungkin memperkirakan jumlah di area dengan sarang massal yang signifikan.

Ada cara lain, yaitu hitungan visual kura‑kura dewasa dari darat, tetapi cara ini juga menghadapi kesulitan pergerakan konstan dan terhalang satu sama lain.

Di sini, drone, yang sedang diuji untuk survei populasi kura‑kura sungai, telah menunjukkan harapan besar sebagai metode yang efisien dan tepat untuk memperkirakan ukuran populasi mereka selama peristiwa bersarang, yang penting untuk menilai tren populasi dan efektivitas tindakan konservasi.

Jadi, peneliti menerapkan pendekatan pemodelan yang mereka kembangkan untuk menentukan populasi kura‑kura sungai ketika mereka berkumpul untuk bersarang.

Dengan memperhitungkan banyak sumber kesalahan, pendekatan ini menawarkan metode baru bagi ekolog untuk memantau hewan berisiko dengan lebih akurat.

Pendekatan baru ini, menurut peneliti, menawarkan beberapa keunggulan, termasuk citra udara untuk menghitung kura‑kura sungai tanpa halangan. Penggunaan teknik yang kurang invasif juga mengurangi gangguan pada hewan.

Selain itu, pendekatan ini menyediakan metode seragam yang dapat diterapkan dan dibandingkan di berbagai situs dan tahun. Mengingat manfaat ini, peneliti berharap protokol serupa akan digunakan oleh institusi pemerintah dan non‑pemerintah untuk memantau spesies tersebut.

Klik di sini untuk mempelajari mengapa teknologi drone memiliki potensi luar biasa meskipun sering disalahgunakan.

Model Cerdas, Skalabel, dan Diperbaiki Kesalahannya untuk Memantau Satwa Liar Global

Untuk menghitung kura‑kura, peneliti menandai cangkang 1.187 kura‑kura sungai dengan cat putih, dan selama dua belas hari, mereka menerbangkan drone di atas, mengikuti jalur yang tepat, bolak‑balik, empat kali sehari.

Drone mengambil 1.500 foto setiap kali, yang kemudian dijahit menjadi satu gambar menggunakan perangkat lunak. Peneliti kemudian meninjau gambar komposit. Setiap kura‑kura dicatat bersama apakah cangkangnya ditandai, serta apakah hewan itu berjalan atau bersarang saat difoto.

Dengan data ini, mereka mengembangkan model probabilitas yang memperhitungkan banyak sumber kesalahan. Model ini menggunakan data penampakan kembali yang ditandai dan hitungan populasi keseluruhan untuk memperhitungkan individu yang tidak terdeteksi selama penerbangan, populasi terbuka (bergabung dan pergi secara konstan) selama peristiwa bersarang, individu yang ditandai terdeteksi dalam mosaik dengan tanda yang tidak dapat diidentifikasi, serta hitungan ganda akibat proses pembuatan ortomosaik.

Dengan demikian, tim memperkirakan probabilitas bersarang harian sebesar 0,37 dan bahwa 35% kura‑kura sungai yang menggunakan pulau pasir pada malam hari juga hadir selama penerbangan drone di pagi hari.

Selain itu, mereka menemukan bahwa 20% kura‑kura yang berjalan dalam ortomosaik merupakan hitungan ganda, dan probabilitas mengidentifikasi tanda adalah 0,78. Dengan cara ini, pendekatan baru memberikan cara yang lebih akurat untuk menghitung satwa liar menggunakan drone.

Saat menghitung kura‑kura, pengamat di darat melaporkan sekitar 16.000 kura‑kura, sementara peneliti yang meninjau ortomosaik tanpa memperhitungkan kesalahan menghitung sekitar 79.000 kura‑kura.

Namun dengan teknik ini, peneliti memperkirakan total kelimpahan situs agregasi menjadi 41.377 kura‑kura. Menurut Brack:

“Angka‑angka ini sangat bervariasi, dan itu menjadi masalah bagi konservasionis. Jika ilmuwan tidak dapat menetapkan hitungan individu suatu spesies secara akurat, bagaimana mereka akan tahu apakah populasi menurun atau apakah upaya perlindungan berhasil?”

Meskipun perkiraan tersebut mewakili jumlah besar kura‑kura sungai, peneliti mencatat bahwa kemungkinan itu hanya sebagian kecil dari populasi historis mereka di wilayah Amazon, berdasarkan catatan historis telur yang diekspor. Belum lagi, peristiwa bersarang juga berlanjut beberapa hari setelah penerbangan drone terakhir.

Oleh karena itu, studi ini merekomendasikan memperluas penggunaan alat pemantauan selama seluruh periode bersarang. Selain itu, pulau pasir lain di wilayah tersebut harus dimasukkan untuk perkiraan populasi bersarang yang komprehensif.

Sehubungan dengan hal ini, tim riset berencana melakukan lebih banyak penerbangan drone di situs bersarang Sungai Guaporé serta di negara‑negara Amerika Selatan lain tempat kura‑kura berkumpul, seperti Kolombia, dan mungkin Venezuela serta Peru. Ini akan membantu tim meningkatkan metode pemantauannya.

“Dengan menggabungkan informasi dari banyak survei, kami dapat mendeteksi tren populasi, dan Wildlife Conservation Society akan tahu ke mana harus berinvestasi dalam tindakan konservasi.”

– Brack

Meskipun kerangka kerja yang dikembangkan awalnya didorong oleh kebutuhan untuk meningkatkan pemantauan kura‑kura sungai, peneliti mencatat bahwa ia “sangat serbaguna dan dapat dengan mudah digunakan atau disesuaikan untuk berbagai konteks.”

Selain kura‑kura sungai, metodologi yang dikembangkan juga dapat diterapkan dan disesuaikan untuk upaya konservasi spesies terancam lain yang disurvei menggunakan ortomosaik berbasis drone.

Sebagai contoh, studi pemantauan drone sebelumnya memotong bulu anjing laut, menandai kambing gunung dan bison dengan peluru cat, serta memasang kalung pada elk untuk melacak pergerakannya selama hitungan.

Akhirnya, model baru dapat digunakan untuk pemantauan kelimpahan yang efisien dan tepat waktu dalam program konservasi dan pengelolaan satwa liar.

Berinvestasi dalam Teknologi Konservasi

AI darling NVIDIA Corporation (NVDA ) sedang memainkan peran besar dalam menyelamatkan hewan dan planet kita.
GPU‑nya mendukung banyak model deep learning yang digunakan dalam pengenalan gambar, deteksi objek, dan perangkat lunak pemantauan lingkungan. Perusahaan bahkan mempromosikan penggunaan AI untuk kebaikan global, termasuk penelitian keanekaragaman hayati.

NVIDIA Corporation (NVDA )

Sekarang, di antara perusahaan yang memanfaatkan teknologi Nvidia, institut riset AI Ai2 telah mengembangkan EarthRanger untuk membuat keputusan operasional yang lebih terinformasi bagi konservasi satwa liar secara real‑time. Basis data gajah terbesar di dunia dilatih pada GPU NVIDIA Hopper. Ia juga menampilkan data pada sejumlah besar satwa liar, yang dikumpulkan dari radio, satelit, jebakan kamera, sensor akustik, dan lebih banyak sumber data.

Ai2 baru‑baru ini juga merilis model AI sumber terbuka bernama Atlantes untuk menganalisis lebih dari lima miliar sinyal GPS per hari yang dipancarkan oleh hampir 600.000 kapal laut dan memprediksi apa yang dilakukan kapal‑kapal tersebut dengan akurasi sekitar 80%. Jika sebuah kapal terlibat dalam penangkapan ikan ilegal, model mengirim peringatan ke penjaga pantai. Model berbasis transformer dengan 4,7 juta parameter, Atlantes, dilatih pada GPU NVIDIA H100 Tensor Core dan PyTorch.

AI‑based RhinoWatches milik Rouxcel Technology dilatih dan dioptimalkan menggunakan komputasi akselerasi NVIDIA. Ia diterapkan di lebih dari 40 cagar alam Afrika Selatan dan sedang diperluas ke Kenya dan Namibia. Perusahaan saat ini mengembangkan model AI untuk lebih banyak spesies, termasuk pangolin yang sangat terancam punah.

Modul NVIDIA CUDA dan Jetson, sementara itu, digunakan untuk AI edge dan pemrosesan data oleh OroraTech, yang menggabungkan data dari satelit, kamera, pengamatan udara, dan informasi cuaca lokal untuk memantau perburuan satwa dan kebakaran hutan serta memberikan peringatan secara real‑time.

Namun itu belum semuanya. Selama bertahun‑tahun, teknologi Nvidia telah digunakan untuk banyak eksperimen menarik lainnya, termasuk de‑extinction. Misalnya, Colossal Biosciences telah menggunakan teknologi penyuntingan gen, model AI, dan suite perangkat lunak NVIDIA Parabricks untuk menghidupkan kembali burung dodo, mammoth berbulu, dan harimau Tasmania.

Selain satwa liar, teknologi Nvidia membantu ilmuwan, peneliti, dan pengembang memperoleh pemahaman yang lebih baik tentang iklim, lautan, dan ruang angkasa.

Dengan kapitalisasi pasar $4,39 triliun, saham perusahaan infrastruktur komputasi full‑stack saat ini diperdagangkan pada $180,95, naik lebih dari 34% YTD.

Harga saham perusahaan telah melambung lebih dari 59% dalam tiga bulan terakhir. Pada hari terakhir Juli, saham mencapai tertinggi 52‑minggu sebesar $183,30, yang menunjukkan kepercayaan investor yang kuat terus berlanjut pada perusahaan dan prospek masa depannya.

Dengan itu, perusahaan memiliki EPS (TTM) sebesar 3,10 dan P/E (TTM) sebesar 57,98, sementara dividen yang ditawarkan adalah 0,02%.

Untuk kuartal pertama yang berakhir 27 April 2025, Nvidia melaporkan pendapatan sebesar $44,1 miliar. Penggerak utama pendapatan tersebut adalah pusat data, yang menyumbang $39,1 miliar, atau 89% dari total penjualan perusahaan. Hal ini didorong oleh permintaan AI yang eksplosif.

Pertumbuhan ini terjadi meskipun Nvidia menghadapi kemunduran geopolitik dengan pembatasan ekspor pada chip H20 di China. Chip‑chip ini kemungkinan akan kembali ke China dengan administrasi Trump yang menjamin perusahaan dapat melanjutkan penjualan. Nvidia juga mengumumkan GPU “sepenuhnya patuh” baru untuk China.

Namun, Nvidia mungkin masih kesulitan memulihkan pangsa pasar sebelumnya, dengan Bernstein memperkirakan pangsa pasar chip AI Nvidia di China turun dari 66% tahun lalu menjadi 54% tahun ini.

Berita dan Perkembangan Saham NVIDIA Corporation (NVDA) Terbaru

Kesimpulan

Untuk menjaga planet yang sehat dan stabil, sangat penting menyelamatkan spesies yang terancam punah karena kehilangan mereka dapat menyebabkan efek berantai, memengaruhi seluruh jaringan kehidupan. Dan seiring ancaman kepunahan semakin cepat, kini lebih penting daripada sebelumnya untuk menerapkan pemantauan yang efektif.

Di sini, integrasi drone dan teknik pemodelan cerdas menandai pergeseran besar. Dengan meningkatkan akurasi dan efisiensi pemantauan spesies, inovasi teknologi ini memungkinkan kita bertindak lebih cepat, lebih cerdas, dan lebih strategis untuk melindungi satwa liar paling rentan di planet ini.

Klik di sini untuk daftar perusahaan drone teratas yang dapat diinvestasikan.

Referensi:

1. Brack, I.V., Valle, D., Ferrara, C., Torrico, O., Domic‑Rivadeneira, E., & Forero‑Medina, G. Memperkirakan kelimpahan populasi teragregasi dengan drone sambil memperhitungkan banyak sumber kesalahan: Studi kasus pada sarang massal Kura‑kura Sungai Raksasa Amerika Selatan. Journal of Applied Ecology, pertama kali dipublikasikan 17 Juni 2025. https://doi.org/10.1111/1365-2664.70081