Umweltbiologieforscher an der National University of Singapore (NUS) haben eine effiziente Methode entwickelt, um menschliche Aktivitäten innerhalb von Naturschutzgebieten auf globaler Ebene schnell zu identifizieren und zu klassifizieren, indem sie soziale Medien und Deep Learning-Techniken verwenden. Viele Menschen besuchen Naturschutzgebiete aus verschiedenen Gründen, wie z.B. Wandern zur Fitness. Trotz dieser Vorteile ist klar, dass zu viele Besucher zu Überfüllung führen und sich negativ auf die Naturschutzmaßnahmen auswirken können. Um effektivere Strategien für die Landnutzung zur Kontrolle von Menschenmassen umzusetzen, müssen Regierungen Einblicke in die Nutzung dieser Grünflächen gewinnen. Da die meisten Naturschutzgebiete jedoch große Flächen abdecken, können konventionelle Felduntersuchungen zur Überwachung menschlicher Aktivitäten darin teuer und zeitaufwendig sein.
Das Forschungsteam unter der Leitung von Associate Professor L. Roman Carrasco vom Department of Biological Sciences der Fakultät für Naturwissenschaften der NUS hat eine Technik entwickelt, um soziale Medienbilder, die in geschützten Gebieten (PAs) aufgenommen wurden, als Proxy zur Identifizierung menschlicher Aktivitäten darin zu verarbeiten. Indem sie diese Bilder durch ein Deep Learning-Bildmarkierungsmodell analysieren, werden die darauf abgebildeten menschlichen Aktivitäten automatisch erkannt. Diese markierten Bilder werden anschließend in verschiedene Kategorien von menschlichen Aktivitäten gruppiert. Für diese Studie wurden insgesamt 87.090 Fotos aus 2.813 PAs in 207 Ländern analysiert. Diese Erkenntnisse wurden in Scientific Reports veröffentlicht.
Die Forscher stellten interessante Beobachtungen an. Vor allem fielen ihnen deutliche Aktivitätstypencluster in den PAs auf, die eng mit den Erwartungen übereinstimmten. Zum Beispiel gab es viele Fotos von Tieren und Pflanzen in südostasiatischen PAs, während europäische PAs zahlreiche Fotos von historischen Burgen zeigten. PAs im selben Land zeigten ähnliche Aktivitäten, auch wenn sie unterschiedliche physische Umgebungen hatten.
Mr. Yee erklärte die Bedeutung dieser Arbeit: “Während es ähnliche Studien gegeben hat, ist dies möglicherweise die erste Studie, die versucht, menschliche Aktivitäten in PAs auf globaler Ebene zu untersuchen. Sie zeigt die Nützlichkeit von sozialen Medien und Deep Learning bei der Unterstützung von Forschern, um drängende Umweltfragen in einem viel größeren Maßstab zu untersuchen.” Prof. Carrasco fügte hinzu: “Das Team hofft, dass diese Technik von Naturschutzorganisationen übernommen wird, um Landnutzungsmuster in Naturschutzgebieten effizient und kostengünstig zu überwachen, um gezieltere Naturschutzmaßnahmen zum Schutz von Ökosystemen trotz steigender Besucherzahlen zu ermöglichen.”