Die Umweltbiologen der National University of Singapore (NUS) haben eine effiziente Methode entwickelt, um menschliche Aktivitäten in Naturreservaten auf globaler Ebene schnell zu identifizieren und zu klassifizieren, indem sie soziale Medien und Deep-Learning-Techniken verwenden. Die Forscher haben sechs Hauptkategorien menschlicher Aktivitäten identifiziert, darunter Abiotik, Biotik und Menschen, mit Unterkategorien für jede. Die Bilder dienen als Beispiele für potenzielle Bilder, die im Datensatz gefunden werden können.
Viele Menschen besuchen Naturreservate aus verschiedenen Gründen, wie zum Beispiel Wandern zur körperlichen Fitness. Trotz dieser Vorteile ist klar, dass ein zu hoher Besucherandrang zu Überfüllung führen und sich negativ auf die Schutzbemühungen auswirken könnte. Um effektivere Strategien für die Verwaltung von Flächennutzung zur Personenkontrolle umzusetzen, müssen Regierungen Einblicke in die Nutzung dieser Grünflächen erhalten. Die herkömmlichen Feldumfragen zur Überwachung menschlicher Aktivitäten in Naturreservaten können jedoch aufgrund der großen Flächen teuer und zeitaufwendig sein.
Das Forschungsteam unter der Leitung von Associate Professor L Roman Carrasco von der Abteilung für Biowissenschaften an der NUS hat eine Technik entwickelt, um Bilder aus sozialen Medien, die in Schutzgebieten aufgenommen wurden, als Proxy zur Identifizierung von menschlichen Aktivitäten innerhalb von ihnen zu verarbeiten. Durch das Analysieren dieser Bilder mit einem Deep-Learning-Bildmarkierungsmodell werden die dargestellten menschlichen Aktivitäten automatisch erkannt und in verschiedene Kategorien gruppiert. Für diese Studie wurden insgesamt 87.090 Fotos aus 2.813 Schutzgebieten in 207 Ländern analysiert.
Die Forscher machten interessante Beobachtungen, wie z.B. dass bestimmte Aktivitätstypen in Schutzgebieten eng mit den Erwartungen übereinstimmten. Die Ergebnisse wurden in Scientific Reports veröffentlicht. Die Forscher hoffen, dass diese Technik von Naturorganisationen übernommen wird, um Landnutzungsmuster in Naturreservaten effizient und kostengünstig zu überwachen und gezielte Schutzbemühungen zu unterstützen.