- Poiché il riscaldamento globale è responsabile di guidare sempre più eventi che colpiscono le barriere coralline, la gestione della resilienza della Grande Barriera Corallina richiede una mappatura completa e dettagliata del fondale marino.
- Gli studi disponibili e le mappe con dati di campo geo-referenziati sono stati scarsi e frammentati.
- Un gruppo di ricerca diversificato ha recentemente mostrato un approccio di successo, applicando la statistica ai dati delle immagini per costruire modelli predittivi, integrare diversi set di dati sulle condizioni della barriera (reef) e fornire una mappa completa della Grande Barriera Corallina che informi le decisioni di gestione della barriera.
Qualsiasi acquariofilo che abbia tentato di far crescere per hobby una varietà del coloratissimo corallo Acropora sa quanto sia delicato – “non di certo una faccenda per principianti.” Eppure questo delicato gruppo di coralli duri e ramificati domina la popolazione corallina all’interno della Grande Barriera Corallina, conferendo colore, struttura e attrattiva turistica.
Ad aprile di quest’anno alcuni report hanno dichiarato che la riproduzione annuale di massa di questi coralli ha mostrato un basso tasso di reclutamento (crescita dei giovani coralli all’interno della barriera). Queste comunità coralline furono devastate quando l’aumento delle temperature del mare guidò eventi consecutivi di bleaching (sbiancamento) nel 2016 e 2017. Una comunità di coralli del genere Acropora può impiegare dai 9 ai 12 anni per riprendersi da un grave evento di bleaching.
Un nuovo approccio per gestire i dati del reef
Nel Queensland australiano vi è un gruppo variegato di organizzazioni occupato nella supervisione della Grande Barriera Corallina che è impegnato ad aiutare gli sforzi di rigenerazione di Acropora. Ciò di cui necessitano è di mappe complete – non necessariamente che contengano le stesse informazioni – del Reef.
Per far fronte a ciò, un team di ricerca multi-istituzionale ha sviluppato uno strumento di mappatura accessibile al pubblico e predittivo, che combina dati visivi prodotti da figure professionali e cittadini volontari per fare una previsione sulla copertura corallina.
“Cittadini volontari, scienziati professionisti, l’industria del turismo, comunità indigene e diversi settori della nostra società sono interessati e impegnati nel comprendere i cambiamenti che le barriere coralline stanno affrontando,” ha affermato Manuel González-Rivero insieme all’Australian Institute of Marine Science.
Ad esempio, per gli scienziati che sperano di introdurre nuove colonie di Acropora nel reef, è importante conoscere l’esatta posizione di colonie simili in salute.
“Una volta che i coralli rilasciano i loro cordoni di uova-sperma nell’oceano e, questi si rompono,” spiega Alannah Vellacott insieme al Perry Institute for Marine Science, “il successo riproduttivo dipende dalla capacità dello sperma di una colonia di trovare le uova di un’altra.”
Dall’introduzione di nuove colonie all’eradicazione della vorace stella marina corona di spine che si nutre dei polipi dei coralli, i responsabili della barriera corallina sono alla ricerca di informazioni su piccola scala che possano aiutare a sviluppare delle soluzioni, ha riferito González-Rivero a Mongabay. Nel corso del tempo le organizzazioni interessate hanno raccolto dati riguardanti vari aspetti della Grande Barriera Corallina, tuttavia, per via delle differenze nei rispettivi set di dati, che includono tipologia, intervallo di tempo e dimensione spaziale, non sono mai stati combinati all’interno di una singola analisi.
Un recente lavoro di modellistica ad opera di Erin E. Peterson, una ricercatrice della Queensland University of Technology (QUT), insieme ad altri collaboratori, ha promesso di far fronte a questa necessità. Grazie all’utilizzo di modelli statistici predittivi, Peterson, González-Rivero e colleghi, hanno sviluppato uno strumento di mappatura per raccogliere e mappare dati fotografici sui coralli duri in questione raccolti e/o classificati da parte di scienziati professionisti e cittadini volontari. Questo nuovo strumento impiega i modelli per integrare diversi set di dati, assegnando dei valori ai dati della ricerca al fine di spiegare le differenze nel metodo di studio e nella qualità.
Secondo Peterson, l’approccio singolare di questo modello, approfondito in un recente articolo, ha portato alla “mappa più completa” fino ad ora realizzata della Grande Barriera Corallina (Great Barrier Reef – GBR) la quale fornirà ai fruitori informazioni spaziali e temporali precise al fine di guidare la ricerca e la sua gestione.
La spinta per combinare insieme i dati proviene dal programma del governo australiano Reef 2050 Integrated Monitoring and Reporting Program (Reef 2050 Programma di Monitoraggio e Segnalazione Integrato), la cui missione è di “creare un sistema di conoscenza che permetta una gestione adattativa basata sulla resilienza della Grande Barriera Corallina e del suo bacino di utenza.”
Registrare l’incertezza
Il nuovo modello prevede la proporzione di copertura corallina per ogni dato pixel e include un “livello di incertezza” per ciascuna previsione, che i responsabili possono tenere in considerazione nel momento in cui devono prendere una decisione.
Secondo l’articolo “le mappe di previsione con le stime di incertezza possono essere utilizzate per dare la precedenza a misure di gestione, ispirare la progettazione di programmi di monitoraggio e guidare sforzi di monitoraggio coordinati all’interno e tra diverse organizzazioni e, fornire informazioni scientificamente rigorose riassunte su diverse scale.”
Gli autori affermano che il nuovo sistema di mappatura integrato può aiutare gli utenti nei seguenti modi:
- riferire sullo stato e l’andamento dei coralli, inclusi cambiamenti nel loro stato di salute,
- ampliare il raggio d’azione delle attività di monitoraggio in modo da aiutare a catturare l’eterogeneità spaziale e temporale all’interno e tra grandi regioni,
- identificare le aree che necessitano di dati di monitoraggio aggiuntivi prima di agire e,
- valutare l’efficacia di gestione del programma Reef 2050 Plan.
L’accuratezza predittiva della mappa aumenta quanti più set di dati essa include. Il gruppo di ricerca ha testato il modello utilizzando cittadini volontari raccolti attraverso uno strumento di classificazione online chiamato Virtual Reef Diver (VRD) e possiamo affermare che il modello ha funzionato bene.
I ricercatori hanno testato il loro modello utilizzando un set di dati raccolti da programmi di monitoraggio ufficiali e un altro set che incorporava dati addizionali raccolti da cittadini volontari, università e altri gruppi. L’aggiunta di questi dati addizionali ha aumentato la capacità predittiva dei modelli in quanto forniscono ulteriori informazioni accurate e precise circa la copertura corallina lungo l’interna Grande Barriera Corallina (GBR).
“Fino ad oggi i risultati,” spiega Peterson a Mongabay, “mostrano che l’integrazione di dati basati su immagini provenienti da diverse organizzazioni, aumenta significativamente l’accuratezza delle previsioni del modello.”
Dataset in espansione grazie a cittadini volontari
In questo momento il team di Peterson è a punto di unire le forze con l’organo di gestione principale del Reef, la Great Barrier Reef Marine Park Authority (GBRMPA), che dispone di un proprio programma basato su cittadini volontari e di una collezione di dati attraverso un programma chiamato Eye on the Reef (uno sguardo sul reef).
Peterson sottolinea che grazie ad un finanziamento (Queensland Citizen Science Grant) per la ricerca scientifica cittadina su base volontaria, la QUT, GBRMPA e la Great Barrier Reef Legacy potranno ampliare il programma VRD. Sia la Reef Trust del governo australiano che la Great Barrier Reef Foundation hanno supportato il progetto.
González-Rivero ha affermato che “il progetto comprenderà il più grande programma scientifico partecipativo, Eye on the Reef, insieme ad altre iniziative scientifiche con lo scopo di integrare osservazioni di monitoraggio.”
Lo strumento VRD permette ai cittadini volontari di contribuire alla nuova mappa in due modi: identificando le specie di corallo a partire da fotografie professionali e contribuendo con immagini proprie, in modo da ampliare la portata geografica del dataset di immagini.
Sostenere il ripristino dei coralli
Peterson ha affermato che le comunità di coralli si sostengono l’un l’altra esattamente come gli alberi fanno nella foresta. Per chiunque abbia intenzione di seminare coralli del genere Acropora, non è sufficiente che il corallo si riproduca con successo, affinché il reclutamento e l’unione tra cellula uovo e spermatozoo avvengano con successo è necessaria una rete locale di comunità appartenenti alla stessa specie. Il nuovo sistema predittivo di mappe digitali è in grado di identificare queste comunità.
Come Peterson ha riportato alla rivista Infrastructure Magazine “queste informazioni sono veramente importanti quando si tratta di azioni di intervento sulla barriera corallina.” Peterson si riferiva ad un piano di ripristino avanzato dall’Australian Institute for Marine Science che richiede “coralli di nuova generazione per le barriere coralline di domani, traslocando ad esempio coralli esistenti con una elevata resistenza alle alte temperature, riproduzione selettiva e modificazione genica.”
“Non possiamo piantare larve di corallo ovunque,” ha affermato Peterson, “ma possiamo seminare delle barriere coralline che siano fortemente connesse ad altre attraverso la circolazione oceanica. Il solo utilizzo di risorse tradizionali non ci consente di avere una buona idea complessiva della copertura corallina, per la quale è necessario portare avanti modelli di connettività genetica.”
L’approccio proposto da Peterson e colleghi non solo può mappare la copertura corallina, ma anche elementi ambientali quali la temperatura dell’acqua, la storia di eventi a elevato impatto quali per esempio i cicloni, oppure la presenza di predatori marini come la stella di mare corona di spine.
Dataset con differenti livelli di accuratezza possono influenzare l’abilità del modello di prevedere la copertura corallina, per questo motivo i ricercatori hanno applicato un sistema di ponderazione. Le statistiche che prevedono le probabilità hanno permesso al team di comprendere e modellare quanto tutti questi dataset variano.
“Il modello,” ha affermato González-Rivero, “pondera il contributo dei diversi dataset e permette di utilizzare contemporaneamente i dati provenienti da differenti fornitori, siano essi professionisti, cittadini volontari o intelligenza artificiale, per contribuire a dare una solida visione delle condizioni delle barriere coralline su ampia scala.”
Ad esempio, i ricercatori hanno testato l’abilità dei singoli cittadini volontari che lavorano con Virtual Reef Diver di identificare i coralli in modo accurato classificando (annotando) le immagini da dataset conosciuti. Il contributo di ciascun cittadino è stato poi pesato sulla base della loro accuratezza.
“Strumenti come Virtual Reef Diver,” dice González-Rivero, “possono aiutare a raccogliere annotazioni da parte di cittadini volontari e verificare il loro contributo per contribuire alla formazione di algoritmi di intelligenza artificiale più informativi.”
VRD è stato in grado di confermare la prova di fattibilità e fornirà ai cittadini volontari un senso di responsabilizzazione.
Peterson spiega che “con semplici modifiche all’applicazione del cellulare, le immagini raccolte da centinaia di volontari di Eye on the Reef sono in grado di essere automaticamente caricate sulla piattaforma di VRD per le analisi.”
Aggiunge inoltre che “i partecipanti possono vedere i loro dati su VRD, imparare come questi siano utilizzati e capire come i loro sforzi aiutino a contribuire alla gestione del reef.”
Immagini per la valutazioni dei coralli
Il nuovo approccio modellistico estrae le immagini in un unico modo.
González-Rivero ha affermato che “le immagini sono state utilizzate come oggetti per la classificazione e per analizzare le caratteristiche contenute in gruppi di pixel (es. colore, texture, sfumature). Dato che è possibile scattare fotografie molto velocemente durante un’immersione, queste consentono a noi scienziati di raccogliere una grande quantità di informazioni riguardanti aree molto vaste.”
“Normalmente, vengono disposti dei punti casuali su un’immagine come oggetti di classificazione e, un esperto o un cittadino volontario, annota l’identità dell’organismo associato a ciascun punto. Un secondo approccio è stato utilizzato dai dati forniti dalla ricerca del 2014 XL Catlin Seaview Survey, in cui algoritmi di apprendimento automatico … sono sati in grado di identificare in modo accurato gli organismi bentonici dietro a ciascun punto sulle immagini, impiegando milioni di caratteristiche provenienti dalle informazioni contenute nei pixel.”
L’integrazione di entrambi i set di dati ha fornito maggiore accuratezza alle predizioni.
“Sostanzialmente,” dice González-Rivero, “sia il cervello umano che i sistemi di algoritmi utilizzano la texture, le sfumature, la forma e i colori per identificare cosa c’è in un’immagine, anche se forse in maniera diversa.”
Ma tutto questo sarà in grado di aiutare il genere Acropora?
La versatilità del modello di Peterson sembra dire di sì. “La mappe predittive possono anche essere impiegate per altri scopi di ricerca,” ha aggiunto Peterson, “come per esempio la modellizzazione della connettività per identificare i siti migliori per il restauro larvale.”
Ad aprile, la GBRMPA ha collaborato con la University of Queensland per mappare l’intera GBR utilizzando telerilevamento attraverso imaging spettrale satellitare. La mappa sarà in grado di catalogare le specie fino a 10 metri di profondità dalla superficie del mare. Per quanto riguarda barriere coralline poste più in profondità – le barriere coralline esterne possono raggiungere i 2.000 metri di profondità – solo le fotocamere sono capaci di ottenere la risoluzione richiesta.
“Nella maggior parte dei casi è difficile [per i satelliti] distinguere tra coralli vivi e morti, alghe e sabbia,” dice Peterson, “specialmente con l’aumentare della profondità e la torbidità dell’acqua. Questa è la ragione per cui la maggior parte delle stime sulla copertura corallina proviene da fotografie subacquee.”
“Mappare l’intera GBR richiede un approccio combinato tra osservazioni subacquee e satellitari,” ha affermato González-Rivero. “Ci troviamo in un momento entusiasmante per la conservazione della barriera corallina nella GBR e, diversi progetti stanno cercando di ampliare la nostra conoscenza lungo l’intera GBR, incluso mediante l’utilizzo di satelliti, la partecipazione di cittadini volontari, l’osservazione da parte di esperti e l’impiego di algoritmi di apprendimento automatico.”
Citazione
Peterson, Erin E…Manuel González-Rivero, et al. (2018). “Monitoring through many eyes: Integrating disparate datasets to improve monitoring of the Great Barrier Reef.” https://arxiv.org/pdf/1808.05298.pdf
Articolo originale: https://news-mongabay-com.mongabay.com/2019/05/models-maps-and-citizen-scientists-working-to-save-the-great-barrier-reef/