Nuevo proyecto de investigación financiado por Google aplica la informática a la conservación de aves

Luca de Alfaro, profesor de informática e ingeniería, siempre ha albergado un amor oculto por la biología. Durante la pandemia, esta pasión, muy alejada de su campo de estudio profesional, evolucionó a medida que se convirtió en un ávido observador de aves, e incluso usó análisis espectrales para identificar cuántos chirridos distintos de pájaros bebés se podían distinguir de un nido en su jardín.

Entonces, cuando de Alfaro supo en el otoño de 2021 que había un nuevo miembro de la facultad, Profesor Asistente de Estudios Ambientales Natalia Ocampo-PeñuelaAl llegar a UC Santa Cruz y estudiar aves, se acercó para ofrecer ayuda si su investigación alguna vez requería un componente de computadora. Resultó que su objetivo de crear mapas a gran escala de los hábitats de las aves requería conocimientos informáticos.

Desde su conexión inicial, los dos investigadores han comenzado una nueva colaboración para usar modelos de aprendizaje automático para crear mapas continentales de conectividad de hábitats de aves con fines de conservación, y recientemente recibieron un premio Google Research Scholar de $60 000 para financiar este trabajo.

Ocampo-Peñuela es una ecologista conservacionista que estudia cómo la calidad y la disponibilidad del hábitat afectan el riesgo de extinción entre las aproximadamente 4000 especies de aves de América del Sur. Siempre había soñado con desarrollar mapas a gran escala de conectividad de hábitats que mostraran cómo las aves pueden moverse a través de estos paisajes y dónde se podrían restaurar las conexiones entre hábitats para muchas especies simultáneamente. Pero se había topado con un obstáculo con los métodos de modelado disponibles.

«El problema es la escala», dijo. «Cuando desea modelar la conectividad del hábitat para muchas especies a la vez, o hacerlo a escala continental o nacional, los modelos actuales no pueden procesar los datos computacionalmente. Solo tienen una especie de interrupción.

Pero los avances recientes en la tecnología de aprendizaje automático han hecho posible procesar grandes cantidades de datos a la vez. Al aprovechar el poder de cómputo de las unidades de procesamiento de gráficos y expresar algoritmos de una manera que permite comparar muchas imágenes píxel por píxel de manera paralelizada, de Alfaro cree que el equipo puede crear modelos matemáticos que son fieles al comportamiento de movimiento de las aves. , y hacerlo mucho más rápido de lo que permitían los métodos anteriores.

“Imagine mapear los continentes a una escala de 10 metros y luego descubra cómo estos hábitats están conectados entre sí a esa misma escala”, explicó de Alfaro. “La informática ha desarrollado algunas de las herramientas para procesar con precisión estas grandes cantidades de datos en paralelo. Y eso ha sido principalmente en aprendizaje automático, procesamiento de imágenes y especificación de reconocimiento de imágenes.

Con la ayuda de estos métodos, el equipo primero analizará los datos de mapas y satélites, incluidas las imágenes de Google Earth, para observar de cerca los factores de idoneidad del hábitat, como la cobertura terrestre, la elevación y el uso humano de la tierra con resoluciones mucho más finas que antes. . Luego compararán esto con los datos sobre la movilidad de las especies de aves sudamericanas para tener una idea de la distribución de los hábitats disponibles y cuáles de estos están funcionalmente conectados.

El producto resultante será un nuevo algoritmo de conectividad de hábitat de código abierto que impulsará una herramienta de apoyo a la toma de decisiones para los conservacionistas. El equipo planea crear un mapa interactivo de América del Sur que marcará las áreas de conservación prioritarias, donde se pueden proteger los hábitats críticos existentes para muchas especies de aves, y las áreas de restauración prioritarias, donde el restablecimiento de los vínculos de hábitat podría beneficiar a la mayoría de las especies de aves.

Para probar el algoritmo y las herramientas de mapeo interactivo, el equipo primero las aplicará a menor escala para desarrollar modelos de conectividad de hábitat para aves en California y Colombia, donde los investigadores ya saben lo suficiente sobre el terreno y las especies para verificar los resultados del modelo. Luego pueden trabajar para escalar sus modelos en todo el continente.

El proceso de desarrollo hasta ahora ha sido un excelente ejemplo de colaboración interdisciplinaria, con la teoría ecológica que indica qué técnicas de aprendizaje automático se están aplicando. Y los estudiantes de UCSC son una parte integral de este trabajo. Licenciatura en Ciencias de la Computación de la Escuela de Ingeniería Baskin Natalie Valett, Artie Nazarov, Coen Adler y Jasmine Tai actualmente están trabajando codo con codo con ambas facultades para crear el código para procesar las imágenes satelitales y ejecutar el cálculo. Y, en el camino, los estudiantes aprendieron mucho sobre la conservación y cómo se pueden aplicar sus estudios para lograr un impacto real.

«Probablemente no llegaríamos a ninguna parte sin la perspicacia de Natalia, porque es ella la que nos permite verificar si nuestros resultados tienen algún significado en términos del movimiento real de las aves», dijo Nazarov. “Es realmente grandioso ver cómo hemos pasado de tener una idea que necesitamos implementar a producir datos reales y significativos en términos de movimiento de aves. Es emocionante ver cómo se aplicará esto en el mundo real.

Ocampo-Peñuela dice que los datos mejorados que estos modelos podrían producir contribuirían en gran medida al avance de la conservación. Las limitaciones de los modelos actuales de conectividad de hábitats significan que las decisiones de gestión de conservación sobre qué hábitats proteger o restaurar pueden basarse en datos limitados a un número menor de especies. Un enfoque más integrado, con datos más completos, podría identificar áreas que los modelos anteriores pueden haber pasado por alto y que son críticas para una gama más amplia de diversidad biológica.

La aplicación de estas nuevas técnicas a la conservación de las aves es un gran comienzo, dice Ocampo-Peñuela, y, en última instancia, es probable que estos esfuerzos también ayuden a muchas otras especies.

“Las aves son muy buenos indicadores de la salud del ecosistema porque son muy sensibles a los cambios en el ecosistema”, dijo. «Entonces, si estudias las aves y las conservas, probablemente estés conservando muchas otras especies que viven con ellas».

Los modelos desarrollados por el equipo podrían algún día incorporar muchos tipos de especies adicionales, lo que, según Ocampo-Peñuela, podría beneficiar a todo el campo de la conservación. De Alfaro también espera que este trabajo pueda fomentar una búsqueda más amplia de aplicar los avances en el aprendizaje automático para beneficiar al mundo natural. Y está encantado de que este proyecto, aún en sus inicios iterativos, permita un trabajo interdisciplinario adicional para ayudar a hacer realidad esa visión.

«No es del todo común, cuando hablas con personas de diferentes campos, que haya voluntad de colaborar y un proyecto disponible para el trabajo conjunto», dijo de Alfaro. «Es una de las hermosas coincidencias que hace que trabajar en una universidad como UCSC sea tan divertido».