在他们的研究中，NRS系副教授TiejunWang和他的硕士生ZijingWu开发了一种人工智能模型，可以自动定位和计数大群迁徙有蹄类动物(角马和斑马)。他们在塞伦盖蒂-马拉生态系统中使用了他们的方法，使用精细分辨率(38-50厘米)卫星图像。

利用人工智能突破野生动物调查技术的界限

他们实现了对数千平方公里和多种栖息地类型的近500万个体的准确检测。自然资源系(ITC学院-特温特大学)的科学家最近在《自然通讯》杂志上发表了他们的研究结果。

大牛羚迁徙是我们星球上最大的陆生哺乳动物迁徙。它推动了支持整个地区人类和野生动物健康的多种生态过程。然而，由于气候和土地覆盖/利用的变化，这一自然过程正在受到损害。开发准确、具有成本效益的监测方法已迅速成为保护角马和生态系统的重要必要条件。

为了解决这个问题，王铁军首次展示了卫星遥感和机器学习技术自动准确地计算大量角马和斑马种群的能力。即使在迁移过程中高度异构的环境中也是如此。

“我们目前正处于实施2020年后全球生物多样性框架的第一年，该框架是联合国在第15届《联合国生物多样性公约》缔约方大会上通过的。联合国最近还制定了全球可持续发展目标，并通过生物多样性和生态系统服务政府间平台对生物多样性和生态系统服务进行了第一轮风险评估，“王解释说。

“前所未有的生物多样性丧失以及生物多样性关键方面(例如物种种群)的知识差距澄清了从地面和太空整合地球上生物多样性测量的必要性。因此，将自下而上和自上而下的方法结合起来进行生物多样性监测的努力从未如此重要，“王说。

新的卫星遥感和机器学习技术使快速、精确地监测全球生物多样性成为可能。这些效率有望在空间尺度上揭示新颖的生态见解，这些见解与种群和整个生态系统的管理密切相关。王的研究首次证明了卫星遥感和机器学习技术在高度异质的景观中自动准确地计算大量陆地哺乳动物种群的能力。

这项研究产生了高度准确的结果和有史以来最大的基于卫星的野生动物调查(53，906个注释)的训练数据集。除了为基于卫星的野生动物调查提供真正开源和可转移的方法外，该方法在空间上还可以扩展到开放景观中迁徙有蹄类动物的首次总数。从太空观察广阔的迁徙有蹄类动物群为研究动物聚集的生态学提供了一个全新的视角。