“来自天上的鬣蜥”项目汇集了近 14,000 名志愿者，对濒临灭绝的加拉帕戈斯海鬣蜥进行计数。这些仅在加拉帕戈斯群岛发现的爬行动物面临着许多威胁。由于地形难以到达，很难从地面上计算它们。
为了克服这个问题，莱比锡大学的研究人员发起了一项基于无人机的调查。然后，他们邀请公众在网上分析这些航拍图像。
“这扩大了公民科学的作用，为研究人员提供了重要支持，并提供了一个宝贵的机会，让人们积极参与保护主题，”领导该活动的艾米·麦克劳德博士指出。
这项工作导致近 58,000 张图像中进行了超过 130 万次分类。每张图像最多被审查 30 次。目标不仅仅是参与，而是可靠的人口估计。
计数鬣蜥的最佳方法
为了确保可靠性，科学家们将志愿者的结果与专家评估进行了比较。包含 4,345 张图像的黄金标准数据集作为基准。
志愿者的检测准确率达到了 68-94%。他们更有可能错过鬣蜥，而不是错误地添加额外的个体。
该团队没有使用多数票，而是应用了最低阈值方法。如果五名或更多志愿者同意鬣蜥的存在，则计数被接受。这种方法提高了准确性，特别是当图像复杂或拥挤时。
聚类方法，尤其是 HDBSCAN，在计数鬣蜥方面表现最佳。它对志愿者标记进行分组，以便比其他方法更可靠地识别单个鬣蜥。
志愿者计数的准确性
志愿者数量的成功在很大程度上取决于图像质量。在第一个项目阶段，无人机图像的焦点和照明都很差。
这些问题导致经常被低估。后期阶段使用更清晰的图像，从而提高了准确性。
志愿者们很难将鬣蜥与深色火山岩区分开来。对于小型或伪装良好的鬣蜥来说尤其如此。当图像质量较高时，志愿者和专家之间的计数差异大大缩小。
即使有更好的图像，低估仍然很常见。研究人员发现，当许多鬣蜥出现在一个框架中时，志愿者报告的数量通常比实际数量少。
是什么促使人们加入或退出
并非所有志愿者都做出了平等的贡献。大多数提交的分类不到 50 个。但一个被称为“超级志愿者”的小团体完成了数千次。一些志愿者更愿意保持匿名，但仍然表现出高度的奉献精神。
调查的反馈揭示了参与者的气馁。空白图像——没有任何鬣蜥的照片——降低了动力。模糊的图像和困难的地形也会导致疲劳。重复使某些用户的任务不那么吸引人。
尽管如此，志愿者的奉献精神仍然很强烈。一位贡献者分析了所有三个阶段的每张图像。许多人是出于帮助科学的愿望，而不是任何外部奖励。
鬣蜥数量可靠吗？
研究小组测试了删除匿名或缺乏经验的用户的输入是否会改善结果。他们发现它减少了有用分类的数量，有时还会损害准确性。
虽然每个图像使用更多的分类器似乎很有帮助，但它并不总是能提高可靠性。关键是平衡数量与质量，并更加重视熟练参与者的数量。
HDBSCAN 方法给出了最一致的结果。它需要更少的假设，并且更好地处理空间数据。它还为未来的机器学习模型提供了基础，可以自动化部分工作。
迈向更智能的监控系统
该项目证实，志愿者可以帮助清点鬣蜥，但仍然倾向于低估。该团队计划对未来的人口估计应用校正系数。他们的目标是利用这些数据来更新世界自然保护联盟红色名录并改进保护计划。
他们还在测试志愿者是否能够识别繁殖行为，例如繁殖颜色或 lekking 地点的雄性。这些见解可以丰富对海鬣蜥生态学的理解。
展望未来，研究人员将把机器学习集成到工作流程中。人工智能模型将使用志愿者数据进行训练。这些工具可能有助于检测鬣蜥并过滤掉空图像。希望创建一个半自动管道，以实现更快、更便宜的监控。
更广泛的影响和未来愿景
该方法可适用于偏远地区其他难以监测的物种。像 Zooniverse 这样的在线平台表明，世界各地的人们都渴望帮助保护科学。
无人机调查和众包分析的结合可以重塑我们进行大规模野生动物监测的方式。据研究人员称，如果专家单独分析这些图像，将需要几十年的时间。
现在，在志愿者的帮助和即将推出的人工智能工具下，他们的目标是到 2026 年完成对加拉帕戈斯海鬣蜥的全面种群调查。该项目仍在进行中，任何人都可以加入以帮助保护这一独特的物种。
#科学#
配资门户网站平台提示：文章来自网络，不代表本站观点。
