Desde el aire, los satélites observan la Tierra y proporcionan imágenes para un nuevo programa de rastreo de elefantes que pretende monitorizar a esta especie tan vulnerable.
Los elefantes son una de las especies en peligro de extinción. El avance del ser humano en el territorio habitual de estos animales y la caza furtiva ha puesto en riesgo su supervivencia. En África solo quedan 415.000 elefantes aproximadamente, según los datos del Fondo Mundial para la Naturaleza.
El hábitat del elefante africano ha disminuido en más del 50% desde 1979 y los elefantes asiáticos ahora están restringidos a solo el 15% de su área de distribución original. Aún así, siguen siendo territorios extensos donde localizar esas manadas es una tarea muy compleja.
Para proteger a estos animales, además de respetar su hábitat y acabar con los cazadores furtivos, es necesario mantener un registro de la población y su distribución por el territorio. De esta forma se puede saber cómo invertir los fondos de ayuda de manera eficiente. Aquí es donde entra la innovación tecnológica.
Investigadores de la Universidad de Oxford en Reino Unido trabajan en una programa para la Conservación de la Vida Silvestre y se han unido al Grupo de Investigación de Aprendizaje Automático. El equipo ha utilizado las imágenes recogidas por el satélite Worldview-3 de Maxar Technologies y los sistemas de aprendizaje profundo de la API de TensorFlow y Google Brain.
La combinación de esta tecnología les ha permitido detectar elefantes con una precisión comparable a la precisión del conteo humano. Sin este sistema, el método tradicional es sobrevolar el territorio para que los empleados localicen a los animales, pero esta técnica es más costosa, lenta y pone en riesgo tanto a los seres humanos que la realizan como a los animales que ven invadido su hábitat.
Los satélites Maxar (WorldView-3), por su parte, pueden recolectar más de 5,000 km² de imágenes de una pasada en pocos minutos. Eliminan el riesgo de contar varias veces la misma manada y se pueden observar zonas antes inaccesibles o fronteras sin necesitar el permiso del país vecino.
Por otro lado, los algoritmos de aprendizaje profundo producen resultados consistentes que son menos propensos a errores, falsos negativos y falsos positivos. Después de su entrenamiento, pudieron identificar elefantes con una precisión de entre 0,78 y 0,73 según el entorno. La detección humana consigue una precisión de entre 0,77 y 0,80, pero es más lenta y problemática. Inicialmente, el modelo se entrenó para detectar elefantes adultos, pero más tarde también fue capaz de identificar elefantes más jóvenes.
Para conseguir estos resultados, los investigadores crearon un conjunto de datos de entrenamiento personalizado con más de 1,000 elefantes sudafricanos y lo aplicaron a una red neuronal convolucional (CNN) para más tarde comparar sus avances (cuadros verdes) con los resultados obtenidos por los humanos (cuadros rojos). Los hallazgos se han publicado en la revista Remote Sensing in Ecology and Conservation.