A scalable WILDlife monitoring system - integrating camera sampling and artificial INTELligence with Essential Biodiversity Variables

Nøyaktig informasjon om biodiversitet er nødvendig for å håndtere miljøproblemer. Teknologier som viltkameraer, bildeklassifisering, citizen science og maskinlæring kan bidra til å overvåke biodiversitet og ville dyr mer kostnadseffektivt, men det er utfordringer som høye kostnader for manuell gjennomgang av bilder. Målet med prosjektet er å skape et fleksibelt overvåkingssystem som bruker standardiserte prosedyrer fra bildeopptak til databehandling. Vi vil deretter teste dette systemet i ulike europeiske regioner ved å bruke viltkameraer, citizen science, dyp læring og statistisk modellering for å få nøyaktige estimater av biodiversitet. Prosjektet har som mål å tilby et nyttig verktøy for forskere, forvaltere, og politikere å ta informerte beslutninger om bevaring av biodiversitet i Europa. Den norske samarbeidspartneren i prosjektet er ansvarlig for å harmonisere bildeinnsamlingen blant studieområdene, designe studien, koordinere feltarbeid, utvikle protokoller og lage en webapplikasjon for datainnsamling og -behandling.

Tackling the ongoing biodiversity and environmental crisis requires accurate, up-to-date information about biodiversity status, dynamics, and trends. Advances in sensing biodiversity with remote cameras and image classification technologies, citizen-science, and machine learning offer new opportunities for cost-effective wildlife monitoring. However, bottlenecks still exist for a generalized implementation of these technologies, i.e., the high costs of the manual review of images or lack of automated workflows to obtain accurate spatiotemporal data biodiversity indicators. These limitations have constrained our capacity to combine a disparity of efforts into a coherent monitoring framework and thus negatively affect conservation efforts. We will develop a scalable monitoring framework that builds on harmonized and reproducible procedures across the data cycle, from the capture of images to data processing, and estimation of Essential Biodiversity Variables. Our goal is to support the implementation of an automated monitoring system for biodiversity that integrates efficient sampling techniques and data technologies into a single framework. We will develop the system in four study areas representative of different European biogeographical regions. We will combine camera trapping, citizen science, deep learning, and hierarchical modeling to obtain unbiased estimates of Essential Biodiversity Variables. This project will contribute to European scientific excellence and capacity building by providing a biodiversity monitoring tool to scientists, managers, and policy makers to generate crucial knowledge and adopt efficient and timely management strategies. The Norwegian project partner is responsible for WP1: Harmonization of image collation among study areas, which involves development of the study design, coordination of field work, development of field protocols, and development of web application for data collection and processing.