Drones & AI Herschrijven het Overleven en Beheer van Wilde Dieren

De kracht van kunstmatige intelligentie (AI) wordt steeds vaker ingezet om bedreigde soorten te beschermen.

Dezelfde technologie waarvan velen vrezen dat ze op een dag banen kan verdringen of zelfs een bedreiging voor de mensheid kan vormen, wordt nu gebruikt om dieren te redden. AI komt wereldwijd in de verdediging van bedreigde soorten op talloze manieren, waaronder het volgen van bewegingspatronen en waterverlies in wetlands en rivieren, het verbeteren van anti-stroperij inspanningen, het ontwikkelen van geavanceerde waarschuwingssystemen en het tellen van soorten met classificatie- en surveillancetechnieken.

Door al deze inspanningen heeft AI geholpen de afnemende populaties van olifanten, vissen, pangolins, neushoorns, rode wolven, Florida panters, en nog veel meer.

AI kan kwetsbare soorten vinden, identificeren en beschermen door enorme hoeveelheden data te analyseren, trends te ontdekken en ecosystemen over tijd te monitoren. In tegenstelling tot conventionele methoden, die ecosystemen verstoren en aanzienlijke tijd, mankracht en middelen vereisen, doet AI dit snel en effectief.

Met tot één miljoen soorten die op de rand van uitsterven staan en een biodiversiteitsverlies dat alarmerend snel gaat, biedt AI krachtige hulpmiddelen om natuurbeschermingsinspanningen te ondersteunen. De voordelen, waaronder verhoogde efficiëntie, snellere gegevensverwerking, geautomatiseerde wildlife‑monitoring, verbeterde dreigingsdetectie, realtime waarschuwingen, betere besluitvorming en schaalbare gegevensdeling, kunnen helpen de manier waarop we bedreigde soorten beschermen te revolutioneren.

Als gevolg hiervan wenden onderzoekers zich tot AI om biodiversiteit te monitoren en inspanningen te versterken om bedreigde soorten te helpen.

De nieuwste studie van onderzoekers van de University of Florida heeft precies dat gedaan. Ze hebben AI gebruikt om een nestplaats te onthullen die tot 41.000 schildpadden herbergt, verborgen in het Amazonegebied. Deze onthulling markeert de grootste bekende schildpaddennestplaats ter wereld, mogelijk gemaakt door slimme modellering en drones.

Het gebruik van innovatieve technieken gecombineerd met luchtbeelden en statistische correctie heeft grote tekortkomingen in conventionele telmethoden blootgelegd en maakt nauwkeurigere monitoring van wildlife mogelijk.

“We beschrijven een nieuwe manier om dierpopulaties efficiënter te monitoren,” zei Ismael Brack, de hoofdauteur van de studie en postdoctoraal onderzoeker binnen het UF Institute of Food and Agricultural Sciences’ (UF/IFAS) School of Forest, Fisheries, and Geomatics Sciences. “En hoewel de methode wordt gebruikt om schildpadden te tellen, kan ze ook op andere soorten worden toegepast.”

Seizoensaggregatie: Sleutel tot Nauwkeurige Dierentelling

Wanneer we populatiedynamiek bestuderen, zoals hoe soorten groeien, krimpen of zich verplaatsen, en wanneer we predator‑prooi relaties en interspecifieke interacties begrijpen, en de effecten van habitatconversie en wereldwijde klimaatverandering analyseren, is abundantie een fundamentele variabele in ecologie en natuurbescherming.

Door dit over tijd te monitoren, kunnen we ook trends in populaties van invasieve of bedreigde soorten detecteren en voorspellen.

Hoewel weten hoeveel soorten er zijn helpt bij het volgen van veranderingen, het identificeren van bedreigingen en het meten van het succes van beschermings- of beheersmaatregelen, is het schatten van deze abundantie zeer moeilijk, vooral in grote gebieden waar soorten zeldzaam, schuw of wijdverspreid zijn. Dit maakt het lastig om soorten nauwkeurig te vinden en te tellen.

Een effectieve manier om de efficiëntie en nauwkeurigheid van deze inspanningen om abundantie te schatten en te monitoren, is door dieren te tellen tijdens perioden van ruimtelijke aggregatie.

Dit betekent dat verschillende wildlife‑soorten seizoensgebonden gedragingen vertonen waarbij ze zich in kleine gebieden concentreren om te rusten, paren, broeden, nestelen en sociaal te interageren, wat de perfecte gelegenheid biedt om ze te tellen. Bijvoorbeeld, schildpadden komen samen om te nestelen op stranden en zandbanken.

Om deze ruimtelijk geaggregeerde wildlife‑populaties te bemonsteren, worden drones gebruikt als een efficiënte en minder invasieve methode.

Drones, ook wel onbemande luchtvaartuigen (UAV’s) of op afstand bestuurde vliegtuigen (RPA’s) genoemd, hebben bewezen nauwkeuriger en preciezer te zijn bij het tellen van soorten die op één plek zijn verzameld. Ze veroorzaken ook minder verstoring voor dieren vergeleken met grondgebaseerde onderzoeken.

Om drones te gebruiken, worden vluchtpaden gepland om het gehele gebied te bestrijken waar de soorten zich verzamelen. Overlappen worden behouden tussen opeenvolgende foto’s en laterale stroken, waardoor alle verzamelde beelden kunnen worden samengevoegd tot één orthorectified mozaïek.

Het combineren van vele kleinere beelden met verwijderde vervormingen om een groot, zeer gedetailleerd, hoge‑resolutie, kaart‑kwaliteit beeld te creëren, resulteert in een orthorectified mozaïek.

Het tellen van wildlife‑individuen in orthomosaïeken tijdens aggregatie‑evenementen is echter onderhevig aan onbedoelde fouten, die kunnen leiden tot bevooroordeelde schattingen.

Hoewel het een snelle, minder invasieve en meer precieze manier is om dieren te tellen dan vanaf de grond, houdt deze techniek geen rekening met het feit dat dieren soms bewegen tijdens observatie.

Bijvoorbeeld, een dier kan verborgen worden door vegetatie of tijdelijk ergens anders zijn wanneer de afbeelding wordt gemaakt. Zelfs als het dier in de afbeelding staat, wordt het mogelijk niet gedetecteerd door het algoritme of een menselijke waarnemer. Een andere mogelijkheid is dat bewegende dieren meerdere keren in de foto’s verschijnen.

Een belangrijke factor hier, volgens de nieuwste studie, is dat deze soortconcentraties vaak tijdelijk zijn, waarbij individuen over dagen heen arriveren en vertrekken vanwege nestelen, broeden of migratie, wat leidt tot fluctuaties in populatiegrootte.

De resulterende fouten uit deze “open populatie” kunnen ons verkeerde cijfers geven, en het verontrustende is dat “deze fouten vaak over het hoofd worden gezien in abundantie‑schattingen afgeleid van orthomosaïek‑telmethoden van drone‑gebaseerde surveys.”

Dus wilden de onderzoekers van de University of Florida een aanpak creëren die rekening houdt met meerdere foutbronnen. Hiervoor gebruiken ze twee soorten datasets: herwaarnemingen van gemarkeerde dieren en algemene populatietellingen.

Luchtbewaking & Slimme Modellering Revolutioneert Populatie‑schattingen

In samenwerking met niet‑gouvernementele, in New York gevestigde Wildlife Conservation Society (WCS) onderzoekers in Colombia, Brazilië en Bolivia, begon het project met een focus op Giant South American River Turtles (Podocnemis expansa), ook wel de reuzen Amazone‑rivier­schildpad, rivier­schildpad, of simpelweg de Arrau.

Gepubliceerd in het Journal of Applied Ecology, werd het onderzoek¹ gedreven door de noodzaak om de abundantie van rivier­schildpadden te schatten en een monitoringsprotocol voor hen te ontwikkelen tijdens de grootste bekende aggregatie van zoetwater­schildpadden ter wereld. 

Rivier­schildpadden hebben historische achteruitgangen doorgemaakt, hetzij door te verdwijnen uit vele zijrivieren van de Amazone‑ en Orinoco‑rivieren, hetzij door in veel lagere dichtheden aanwezig te zijn.

Hun populatie is aanzienlijk afgenomen, voornamelijk door overexploitatie door stroperijen voor vlees‑ en eierconsumptie. Als gevolg hiervan zijn hun grote aggregaties nu zeldzaam.

Desondanks zijn er nog enkele grote populaties van deze soort verspreid over hun bereik, en sommige lijken te herstellen, waarbij hun seizoensgedrag een onschatbare kans biedt om hun populaties te monitoren. 

Duizenden van deze sociale wezens verzamelen zich elk jaar tijdens het droge seizoen (juli of augustus) om te nestelen op zandbanken van de Guaporé‑rivier, langs de Brazil‑Bolivia grens. 

Om hun aantallen te schatten, vertrouwden experts vroeger op het tellen van hatchlings zodra ze uitkwamen, waarna het aantal vrouwtjes werd geëxtrapoleerd op basis van het gemiddelde aantal eieren per nest. Dit is een invasieve en tijdrovende methode vanwege het omheinen van de perimeter en het manipuleren van de hatchlings. 

Bovendien kunnen individuele nesten niet van elkaar worden onderscheiden, waardoor het niet alleen uitdagend maar zelfs onmogelijk is om de aantallen te schatten in gebieden met aanzienlijke massale nestactiviteit.

Er is een andere manier, visuele tellingen van volwassen schildpadden vanaf de grond, maar ook deze ondervindt moeilijkheden door constante beweging en onderlinge obstructie.

Hier tonen drones, die worden getest om rivier­schildpaddpopulaties te onderzoeken, toont veelbelovend als een efficiënte en precieze methode om hun populatiegrootte tijdens nest‑evenementen te schatten, wat belangrijk is om populatietrends en de effectiviteit van beschermingsacties te beoordelen.

Dus pasten de onderzoekers de modellering‑aanpak toe die ze hebben ontwikkeld om de populatie van rivier­schildpadden te bepalen wanneer ze samenkomen om te nestelen. 

Door rekening te houden met meerdere foutbronnen, biedt het een nieuwe methode voor ecologen om risicovolle dieren met meer nauwkeurigheid te monitoren.

De nieuwe aanpak, volgens de onderzoekers, biedt verschillende voordelen, waaronder het gebruik van luchtbeelden om de rivier­schildpadden te tellen zonder obstructies. Het gebruik van een minder invasieve techniek vermindert ook de verstoring van dieren. 

Bovendien biedt de aanpak een uniforme methode die kan worden toegepast en vergeleken over verschillende locaties en jaren. Gezien deze voordelen verwachten de onderzoekers dat een protocol vergelijkbaar met het hunne zal worden gebruikt door overheids‑ en niet‑overheidsinstellingen om de soort te monitoren.

Klik hier om te leren waarom drontechnologie een enorm potentieel heeft ondanks veelvuldig misbruik.

Een Slim, Schaalbaar, Foutgecorrigeerd Model om Wereldwijde Dierenpopulaties te Monitoren

Om de schildpadden te tellen, markeerden onderzoekers de schelpen van 1.187 rivier­schildpadden met witte verf, en gedurende een periode van twaalf dagen vlogen ze een drone boven het gebied, volgens een exact pad, heen‑en‑terug, vier keer per dag.

De drone maakte elke keer 1.500 foto’s, die met software aan elkaar werden geplakt. De onderzoekers bekeken vervolgens de samengestelde beelden. Elke schildpad werd door hen geregistreerd, evenals of de schelp gemarkeerd was en of het dier liep of nestelde toen de foto werd genomen. 

Met deze data ontwikkelden ze probabiliteitsmodellen die rekening houden met meerdere foutbronnen. Het gebruikte mark‑resight‑data en algemene populatietellingen om rekening te houden met individuen die tijdens de vlucht niet detecteerbaar waren, een open populatie (constant in- en uitstroom) tijdens het nest‑evenement, gemarkeerde individuen gedetecteerd in de mozaïek met onherkenbare markeringen, en dubbele tellingen door het orthomosaïek‑bouwproces.

Zo schat het team dat de dagelijkse nestkans 0,37 is en dat 35 % van de rivier­schildpadden die ’s nachts de zandbank gebruikten, ook aanwezig zijn tijdens de ochtendvlucht van de drone. 

Daarnaast ontdekten ze dat 20 % van de schildpadden die over de orthomosaïek liepen, dubbel geteld werden, en dat de kans om de markering te identificeren 0,78 was. Op deze manier biedt de nieuwe aanpak een nauwkeurigere manier om wildlife te tellen met drones.

Bij het tellen van de schildpadden meldden waarnemers op de grond ongeveer 16.000 schildpadden, terwijl onderzoekers die de orthomosaïeken zonder correctie van fouten bekeken, ongeveer 79.000 schildpadden telden.

Maar met de techniek schatten de onderzoekers de totale abundantie voor de aggregatie‑site op 41.377 schildpadden. Volgens Brack:

“Deze cijfers variëren sterk, en dat is een probleem voor natuurbeschermers. Als wetenschappers geen nauwkeurige telling van individuen van een soort kunnen vaststellen, hoe weten ze dan of de populatie afneemt of of beschermingsinspanningen succesvol zijn?”

Hoewel de schattingen een groot aantal rivier­schildpadden vertegenwoordigen, merken de onderzoekers op dat dit waarschijnlijk slechts een fractie is van hun historische populaties in het Amazone‑gebied, gebaseerd op historische gegevens van geëxporteerde eieren. Bovendien ging het nest‑evenement nog enkele dagen door na de laatste drone‑vlucht.

Daarom beveelt de studie aan om het gebruik van het monitoringsinstrument uit te breiden over de volledige nestperiode. Ook moeten andere zandbanken in de regio worden meegenomen voor een alomvattende schatting van de nest‑populatie.

In dit verband plant het onderzoeksteam meer drone‑vluchten op de Guaporé‑rivier nestlocatie, evenals in andere Zuid‑Amerikaanse landen waar de rivier­schildpadden zich verzamelen, zoals Colombia, en mogelijk Venezuela en Peru. Dit zal het team helpen hun monitoringsmethoden te verbeteren.

“Door informatie uit meerdere onderzoeken te combineren, kunnen we populatietrends detecteren, en de Wildlife Conservation Society zal weten waar te investeren in beschermingsacties.”

– Brack

Hoewel het ontwikkelde kader oorspronkelijk werd gedreven door de behoefte om de monitoring van rivier­schildpadden te verbeteren, merkten de onderzoekers op dat het “zeer veelzijdig is en direct kan worden gebruikt of aangepast aan verschillende contexten.”

Naast rivier­schildpadden kan de ontwikkelde methodologie ook worden toegepast en aangepast aan natuurbeschermingsinspanningen voor andere bedreigde soorten die worden onderzocht met drone‑gebaseerde orthomosaïeken.

Zo hebben eerdere drone‑monitoringstudies de vacht van zeehonden geknipt, berggeiten en bizons gemarkeerd met paintball‑kogels, en halsbanden aan elanden bevestigd om hun bewegingen tijdens tellingen te volgen.

Uiteindelijk kan het nieuwe model worden gebruikt voor efficiënte en tijdige monitoring van abundantie in wildlife‑conservatie‑ en beheerprogramma’s.

Investeren in Conserveringstechnologie

De AI‑favoriet NVIDIA Corporation (NVDA ) speelt een grote rol bij het redden van dieren en onze planeet. 
Zijn GPU’s leveren de kracht aan veel van de deep‑learning‑modellen die worden gebruikt in beeldherkenning, objectdetectie en milieumonitoringssoftware. Het bedrijf promoot zelfs het gebruik van AI voor het wereldwijde goede, inclusief biodiversiteitsonderzoek.

NVIDIA Corporation (NVDA )

Nu, onder de bedrijven die Nvidia‑technologie gebruiken, heeft het AI‑onderzoeksinstituut Ai2 EarthRanger ontwikkeld om meer geïnformeerde operationele beslissingen te nemen voor wildlife‑conservatie in realtime. De grootste wereldwijde olifanten‑database wordt getraind op NVIDIA Hopper GPU’s. Het toont ook data over een groot aantal wildlife, geaggregeerd van radio’s, satellieten, camera‑vallen, akoestische sensoren en meer gegevensbronnen. 

Ai2 heeft recentelijk ook een open‑source AI‑model genaamd Atlantes uitgebracht om meer dan vijf miljard GPS‑signalen per dag te analyseren die worden uitgezonden door bijna 600.000 zeegaande schepen en te voorspellen wat een van deze schepen doet met ongeveer 80 % nauwkeurigheid. Als een schip betrokken is bij illegale visserij, stuurt het model waarschuwingen naar de kustwachten. Het 4,7 M‑parameter transformer‑gebaseerde model, Atlantes, is getraind op NVIDIA H100 Tensor Core GPU’s en PyTorch.

Rouxcel Technology’s AI‑gebaseerde RhinoWatches worden getraind en geoptimaliseerd met behulp van NVIDIA versnelde computing. Het wordt ingezet op meer dan 40 Zuid‑Afrikaanse reservaten en wordt uitgebreid in Kenia en Namibië. Het bedrijf ontwikkelt momenteel AI‑modellen voor meer soorten, inclusief de kritisch bedreigde pangolins.

De NVIDIA CUDA‑ en Jetson‑modules worden ondertussen gebruikt voor edge‑AI en gegevensverwerking door OroraTech, die gegevens van satellieten, camera’s, luchtobservaties en lokale weerinformatie combineert om dieren‑stroperij en bosbranden te monitoren en realtime waarschuwingen te geven.

Maar dat is niet alles. In de loop der jaren is Nvidia‑technologie gebruikt voor vele andere interessante experimenten, inclusief de‑extinctie. Bijvoorbeeld, Colossal Biosciences heeft met behulp van genbewerkingstechnologie, AI-modellen en de NVIDIA Parabricks‑software suite gewerkt om de dodo, de wolharige mammoet en de Tasmaanse tijger terug te brengen.

Naast wildlife helpt Nvidia‑technologie wetenschappers, onderzoekers en ontwikkelaars een beter begrip te krijgen van klimaat, oceanen en de ruimte.  

Met een marktkapitalisatie van $4,39 biljoen worden de aandelen van het full‑stack computing‑infrastructuurbedrijf momenteel verhandeld tegen $180,95, een stijging van meer dan 34 % YTD. 

De aandelenkoers van het bedrijf is de afgelopen drie maanden met meer dan 59 % gestegen. Alleen op de laatste dag van juli bereikte de aandelen een 52‑week high van $183,30, wat voortdurende sterke investeerders‑vertrouwen in het bedrijf en haar toekomstige vooruitzichten aantoont.

Daarmee heeft het een EPS (TTM) van 3,10 en een P/E (TTM) van 57,98, terwijl het dividendrendement 0,02 % bedraagt.

Voor het eerste kwartaal eindigend op 27 april 2025 rapporteerde Nvidia een omzet van $44,1 miljard. De belangrijkste drijfveer is datacenters, goed voor $39,1 miljard van de omzet, wat een enorme 89 % van de totale bedrijfsverkopen uitmaakt. Dit werd aangewakkerd door de explosieve vraag naar AI.

Deze groei heeft plaatsgevonden ondanks dat Nvidia geopolitieke tegenslagen ondervond met exportbeperkingen op haar H20‑chips in China. Deze chips zullen waarschijnlijk terugkeren naar China met de Trump‑administratie die het bedrijf verzekert dat het de verkoop kan hervatten. Nvidia aankondigde een nieuwe “volledig conforme” GPU voor China.

Echter, Nvidia kan nog steeds moeite hebben om haar voormalige marktaandeel terug te winnen, waarbij Bernstein voorspelt dat Nvidia’s AI‑chip‑marktaandeel in China zal dalen van 66 % vorig jaar naar 54 % dit jaar.

Laatste NVIDIA Corporation (NVDA) Aandelen Nieuws en Ontwikkelingen

Conclusie

Om een gezonde en stabiele planeet te behouden, is het cruciaal om bedreigde soorten te redden, omdat hun verlies cascade‑effecten kan veroorzaken die het gehele web van leven beïnvloeden. En nu de bedreigingen van uitsterven versnellen, is het belangrijker dan ooit om effectieve monitoring te implementeren.

Hier markeert de integratie van drones en slimme modelleringstechnieken een grote verschuiving. Door de nauwkeurigheid en efficiëntie van soortmonitoring te verbeteren, stellen deze technologische innovaties ons in staat sneller, slimmer en strategischer te handelen om de meest kwetsbare wildlife van de planeet te beschermen.

Klik hier voor een lijst van topdronenbedrijven om in te investeren.

Referenties:

1. Brack, I.V., Valle, D., Ferrara, C., Torrico, O., Domic‑Rivadeneira, E., & Forero‑Medina, G. Schattings van de abundantie van geaggregeerde populaties met drones, rekening houdend met meerdere foutbronnen: Een casestudy over de massale nestactiviteit van de reuzen Zuid‑Amerikaanse rivier‑schildpadden. Journal of Applied Ecology, voor het eerst gepubliceerd 17 juni 2025. https://doi.org/10.1111/1365-2664.70081