- Seiring dengan meningkatnya upaya para ilmuwan dan pemerintah Tiongkok untuk melindungi owa hainan yang terancam punah, teknologi memainkan peran penting dalam membantu pelacakan dan pemantauan yang lebih baik terhadap spesies ini.
- Dalam beberapa tahun terakhir, penelitian owa Hainan telah menggunakan alat seperti bioakustik, teknologi inframerah, dan pembelajaran mesin untuk pengumpulan dan analisis data, sehingga memudahkan keduanya.
- Diperkirakan hanya ada 35 atau 36 individu yang tersisa dari spesies ini, yang hanya ditemukan di Cagar Alam Nasional Bawangling di Provinsi Hainan, Tiongkok.
Pada pertengahan tahun 2019, Emmanuel Dufourq dihadapkan pada tugas berat untuk mendengarkan 6.000 jam data audio yang dikumpulkan dari Cagar Alam Nasional Bawangling di Provinsi Hainan di Cina selatan, ribuan mil dari rumahnya di Cape Town, Afrika Selatan.
Audio tersebut dikumpulkan selama enam bulan pada 2016 oleh para peneliti di Zoological Society of London untuk mempelajari dan melestarikan owa hainan (Nomascus hainanus), salah satu primata paling langka di planet ini dan merupakan spesies yang terancam punah. pengenalan otomatis suara owa.
“Ini seperti mengajari seorang anak tentang dunia, di mana Anda memberi contoh dan berkata, ‘Ini kucing, ini anjing,'” kata Dufourq, peneliti tetap di African Institute of Mathematical Sciences, kepada Indoline.info dalam wawancara video: “Melalui proses berulang dalam menyajikan informasi kepada perangkat lunak komputer, perangkat lunak belajar mengenali owa dengan sendirinya.”
Karyanya tampaknya membuahkan hasil. Menurut sebuah studi oleh timnya yang diterbitkan dalam jurnal Remote Sensing in Ecology and Conservation pada tahun 2021, algoritme ini mampu mengenali hampir 80 persen klip audio yang berisi panggilan owa, dan sebuah studi yang lebih baru yang diterbitkan pada bulan September 2022 di jurnal Ecoinformatics semakin menyempurnakan model tersebut. Kini, dengan memasukkan pengamatan yang dikumpulkan dari penelitian lapangan manusia selama bertahun-tahun, algoritme ini dapat mengenali sampel negatif yang diprediksi oleh model sebagai sampel positif, yaitu suara yang sebelumnya disalahartikan sebagai suara owa. Sebagai contoh, algoritma terbaru telah mengetahui bahwa owa Hainan tidak bersuara pada malam hari, sehingga membantu sistem untuk mengenali bahwa suara yang terdeteksi pada malam hari mungkin bukan berasal dari spesies tersebut.
Penggunaan bioakustik dan pembelajaran mesin oleh Dufourq merupakan salah satu alat teknologi yang telah dikembangkan dalam beberapa tahun terakhir untuk pemantauan dan penelitian owa Hainan, yang semakin mendesak. Owa Hainan dulunya tersebar luas di seluruh Pulau Hainan, tetapi pada tahun 1970-an, spesies ini menurun menjadi sekitar tujuh atau delapan individu, dengan perburuan liar dan penggundulan hutan yang merajalela sebagai faktor utama penurunan populasi. Meskipun saat ini diyakini ada 35 atau 36 individu, spesies ini tetap berisiko. Intervensi konservasi yang dipimpin oleh Pemerintah Tiongkok telah meningkat dalam beberapa tahun terakhir, tetapi tugas untuk meningkatkan populasi owa secara signifikan tetaplah berat.
“Owa Hainan benar-benar terancam punah,” Paul A. Garber, profesor emeritus di Departemen Antropologi di Universitas Illinois, mengatakan kepada Indoline.Info dalam sebuah wawancara video, “Semua hominid sangat lambat berkembang dan bereproduksi, sehingga primata ini memiliki waktu generasi yang sangat panjang, yang yang berarti bahwa bahkan dalam kondisi terbaik sekalipun, populasi hanya dapat tumbuh sangat lambat.”
Teknologi kini memainkan peran baru dalam melacak populasi kecil owa hainan dan mempelajari habitat mereka dengan cara non-invasif. Perangkat teknologi telah lama memainkan peran penting dalam memetakan habitat dan distribusi spesies ini, dan pada gilirannya digunakan untuk mengembangkan strategi konservasi. Namun, metode seperti studi lapangan, drone, dan survei panggilan balik (di mana peneliti memutar rekaman panggilan owa untuk mendapatkan respons) meningkatkan risiko gangguan terhadap spesies di lingkungan mereka. Inilah sebabnya mengapa alat penginderaan jarak jauh dan otomatis semakin banyak digunakan.
Pembelajaran mesin dan, lebih luas lagi, kecerdasan buatan juga telah membantu mempermudah identifikasi owa hainan dari gambar yang diambil oleh kamera inframerah. Sebelumnya, kondisi berkabut di hutan yang dikombinasikan dengan warna bulu hitam dan kuning owa Hainan sering kali menyebabkan deteksi gambar yang buruk, sehingga para ilmuwan melewatkan gambar yang mengandung owa dan menyulitkan mereka untuk mendeteksi spesies ini.2022 Sebuah studi yang diterbitkan di Global Ecology and Conservation menjelaskan bagaimana visi komputer, sebuah subbidang dari kecerdasan buatan (AI), dapat membantu menghilangkan kabut dan menyaring gambar untuk meningkatkan akurasi pendeteksian owa Hainan.2023 Sebuah studi yang diterbitkan di Global Ecology and Conservation menjelaskan bagaimana visi komputer, subbidang AI, dapat membantu menghilangkan kabut dan menyaring gambar untuk meningkatkan akurasi pendeteksian owa Hainan. meningkatkan akurasi dalam mendeteksi owa Hainan.
Serupa dengan karya Dufourq, bioakustik menjadi dasar kemitraan antara lembaga konservasi satwa liar global IUCN (World Conservation Union) dan perusahaan teknologi raksasa Tiongkok, Huawei, untuk mempelajari dan melestarikan owa Hainan. Kombinasi pemantauan akustik dan kecerdasan buatan telah menghasilkan akurasi identifikasi sebesar 89,2 persen, demikian ungkap Huawei dalam siaran persnya. Tim ini sekarang sedang membangun kerangka kerja untuk sistem pengembangan yang akan “menciptakan ID akustik yang unik untuk masing-masing owa.”
Dufourq juga meningkatkan algoritmanya untuk memungkinkan pemantauan dan analisis waktu nyata.
“Cara kerja sebagian besar penelitian akustik saat ini adalah seseorang pergi ke lapangan dan melakukan penelitian selama enam bulan atau satu tahun,” kata Dufourq, “tetapi pemrosesan data ditunda sampai nanti, yang berarti pada saat itu, data sudah menjadi data historis. Jadi, masa depan lapangan adalah memungkinkan pemantauan secara real-time.”
Para ahli percaya bahwa berbagai macam alat yang tersedia harus dikembangkan dan digunakan untuk melindungi spesies. Selama bertahun-tahun, Garber telah bekerja dengan tim peneliti di Tiongkok untuk meneliti owa hainan. Rekan-rekannya menggunakan alat seperti kamera inframerah dan tes DNA untuk melacak owa dan mempelajari lebih lanjut tentang habitat dan perilaku mereka. Meskipun Garber mengatakan bahwa ia sangat yakin tidak ada pengganti untuk mengamati hewan di lapangan, dalam kasus owa hainan, teknologi adalah hal terbaik berikutnya, kata Garber, seraya menambahkan bahwa selain membantu para ilmuwan menyederhanakan proses pengumpulan data yang rumit dan menganalisis data dalam jumlah besar, teknologi juga membuat orang lebih sadar akan perlunya konservasi.
“Sangat penting karena meskipun kita tidak mendapatkan banyak informasi baru yang lebih penting dengan menggunakan beberapa teknologi, menggunakan teknologi tersebut dapat menyoroti penelitian dan meningkatkan profil penelitian,” katanya, “dan dampaknya jauh lebih besar dibandingkan jika Anda hanya berjalan-jalan di hutan dengan laptop. ”
Misi kami
Indoline.Info berupaya meningkatkan minat dan kesadaran masyarakat terhadap alam dan satwa liar, serta menyelidiki dampak tren yang muncul terhadap konservasi alam dan pembangunan di bidang iklim, teknologi, ekonomi, dan keuangan.
daftar pustaka
Dufourq, E., Durbach, I., Hansford, JP, Hoepfner, A., Ma, H., Bryant, JV, Turvey, ST (2020). Deteksi otomatis panggilan owa hainan menggunakan pemantauan akustik pasif. Penginderaan Jauh dalam Ekologi dan Konservasi, 7(3), 475-487. doi:10.1002/rse2.201
Dufourq, E., Batist, C., Foquet, R., & Durbach, I. (2022). Pemantauan akustik pasif populasi hewan dengan pembelajaran transfer. Ecological Informatics, 70, 101688. doi:10.1016/j.ecoinf.2022.101688
Wang, X., Wen, S., Niu, N., Wang, G., Long, W., Zou, Y., & Huang, M. (2022). Deteksi otomatis untuk primata paling langka di dunia berdasarkan lingkungan hutan hujan tropis. Ekologi dan Konservasi Global, 38, e02250. doi:10.1016/j.gecco.2022.e02250
