Revisión de fotografías tomadas con cámaras trampa colocadas en el Parque Nacional Gunung Halimun-Salak, Java, Indonesia. Mokhamad Edliadi/CIFOR

Los ecosistemas de nuestro planeta están profundamente entretejidos. Cuando un hilo se mueve en alguna parte –digamos, cuando una especie se extingue localmente–, el tejido cambia. Por ejemplo, la pérdida de elefantes en una selva tropical impide la dispersión de semillas de algunas especies de árboles gigantes del bosque y, en última instancia, reduce la captura de carbono.

Pero imagine si pudiéramos mantener nuestros ojos y oídos en todos los paisajes y ecosistemas del planeta, desde cualquier parte del globo. Si pudiéramos observar y escuchar con certeza este tipo de cambios en los ecosistemas, y responder a ellos con eficacia, antes de que fuera demasiado tarde, ¿no sería maravilloso?

Un proyecto de colaboración entre expertos en biodiversidad del Centro para la Investigación Forestal Internacional y Centro Internacional de Investigación Agroforestal (CIFOR-ICRAF) y la comunidad de investigación en Inteligencia Artificial (IA) de código abierto Enterprise Neurosystems pretende hacer precisamente eso, desplegando nuevos registradores de datos de bajo coste y altas especificaciones por los paisajes, y combinándolos con procesos de aprendizaje automático (ML) – un subconjunto de la inteligencia artificial que se centra en el análisis y la interpretación de patrones y estructuras de datos que hacen posible el aprendizaje, el razonamiento y la toma de decisiones sin interacción humana–, para permitir una rápida recuperación y análisis de una amplia gama de datos.

El objetivo final del proyecto es ambicioso, pero plausible: crear una red mundial de vigilancia que nos permita conectar la información sobre especies y ecosistemas y tomar un “pulso planetario” holístico. Esto puede ayudar a dirigir y perfeccionar los fondos y la acción sobre algunos de nuestros retos locales y mundiales más urgentes: biodiversidad, clima, sistemas alimentarios, etc.

El reto

Según el Índice Planeta Vivo (IPV), las poblaciones mundiales de fauna y flora silvestres han descendido una media del 69 % desde 1970. Lo que indica el asombroso ritmo de descenso es una severa advertencia de que la rica biodiversidad que sustenta toda la vida en nuestro planeta está en crisis, poniendo en peligro a todas las especies, incluidos nosotros.

Para ayudar a conservar las especies que quedan – y nuestras vidas tal como las conocemos– necesitamos vigilar y evaluar la salud de los ecosistemas, incluido el tamaño de las poblaciones de especies silvestres clave, de forma precisa, rentable y rápida y fácil de analizar.

En la actualidad, la principal forma de recopilar datos sobre la abundancia de las especies es mediante cámaras trampa. Cada vez se utilizan más técnicas de aprendizaje automático para identificar especies, lo que ahorra mucho tiempo a los investigadores en comparación con la identificación manual.

Pero estos métodos siguen siendo costosos y requieren tiempo. Las cámaras trampa son caras, (un promedio de 400 dólares cada una), necesitan pilas nuevas cada pocos meses y los investigadores deben volver al lugar para recoger las tarjetas SIM que contienen los datos al final de cada periodo de estudio para cargarlos y analizarlos. Esto dificulta la capacidad de los investigadores y los gestores del paisaje para realizar un seguimiento eficaz a escala, así como para percibir las amenazas y responder a ellas a tiempo.

Nuestra solución

El nuevo registrador de datos y sistema de programación diseñado por Enterprise Neurosystems tiene el potencial de superar muchos de los retos mencionados.

Los registradores cuestan unos 25 dólares cada uno, lo que significa que pueden desplegarse a gran escala por todo un paisaje, sin apenas mantenimiento porque sus baterías duran unos diez años. Recogen una amplia gama de datos, como imágenes, paisajes sonoros y niveles de gases clave como el oxígeno, el dióxido de carbono y el metano.

También se conectan en red entre sí y transmiten datos a la nube a través de enlaces móviles o por satélite, donde se cotejan y analizan mediante aprendizaje automático. Esto puede ayudar a los proyectos individuales a obtener mejores resultados y facilitar la toma de decisiones a mayor escala sincronizando los datos de un gran número de proyectos y paisajes.

Por dónde empezaremos

El siguiente paso de este sistema son unas rigurosas pruebas de campo que permitan seguir desarrollando el hardware, la tecnología y los enfoques de ML. CIFOR-ICRAF pondrá a prueba las capacidades de este nuevo enfoque en varios lugares donde ya estamos apoyando activamente enfoques de gestión sostenible de la vida silvestre: Rupununi en Guyana, el norte de Ghana y Yangambi en la República Democrática del Congo.

Tenemos previsto instalar registradores de datos en estos lugares a principios de 2024 y probarlos a lo largo del año, con el objetivo de ampliar nuestras pruebas a estos paisajes; y a otros lugares donde CIFOR-ICRAF trabaja si los primeros resultados muestran potencial.

¿Para qué sirven estos datos?

Hay muchas buenas razones para recopilar mejores datos sobre biodiversidad.

Como comunidad global comprometida con la acción medioambiental, los necesitaremos para saber si estamos o no en buen camino para alcanzar los 23 objetivos del Marco Global de Biodiversidad (GBF) de Kunming-Montreal, como por ejemplo:

Meta 3: El 30 % de las áreas están efectivamente conservadas.

Meta 4: Recuperación de las especies amenazadas, mantenimiento de la diversidad genética y gestión de los conflictos entre el hombre y la fauna.

Meta 5: El uso, la recolección y el comercio de especies silvestres son sostenibles, seguros y legales.

Disponer de datos claros y comparables sobre biodiversidad también será clave para el desarrollo de los Créditos Voluntarios de Biodiversidad (VBCs, por sus siglas en inglés), por los que existe un creciente interés mundial. En la actualidad, muchos de los defensores de este enfoque están debatiendo las métricas para definir los VBCs y los métodos para completarlos, pero ahora se necesita la tecnología y técnica escalable y probada sobre el terreno para seguir avanzando en este concepto.

Para los científicos del CIFOR-ICRAF, obtener buenos datos sobre la abundancia de la fauna silvestre será especialmente clave para avanzar en el trabajo del programa de Gestión Sostenible de la Vida Silvestre (SWM, por sus siglas en inglés) dirigido por la FAO, que trata de afrontar el reto de la caza excesiva abordando tanto la conservación de la fauna como la seguridad alimentaria. Si los investigadores y los gestores del territorio conocen el estado de las poblaciones de fauna silvestre, podrán gestionar las actividades de subsistencia – a través de mecanismos como las cuotas y la rotación de las zonas de caza– para garantizar la supervivencia de esas especies y la seguridad alimentaria y los medios de vida de las comunidades locales en el futuro.

Para más información, póngase en contacto con Lauren Coad, científica sénior del CIFOR-ICRAF: l.coad@cifor-icraf.org