Biodiversité

Des approches modernes du suivi et de la surveillance des animaux sont possibles grâce au développement de technologies qui génèrent de vastes ensembles de données à haute résolution. Ces technologies, ainsi que les progrès des méthodes analytiques, permettent aux biologistes de suivre les mouvements des mammifères, des oiseaux et des poissons en liberté à des échelles sans précédent.

Des chercheurs ont entraîné une intelligence artificielle (IA) afin d’attribuer un score esthétique à 2400 espèces de poissons de récifs coralliens ou rocheux. Résultat : les poissons que nous jugeons les « moins beaux » sont ceux qui présentent, collectivement, la plus grande variété de caractéristiques écologiques et ont la plus longue histoire évolutive. Ce sont aussi les plus menacés…

Primary forests, defined here as forests where the signs of human impacts, if any, are strongly blurred due to decades without forest management, are scarce in Europe and continue to disappear. Despite these losses, we know little about where these forests occur. Here, we present a comprehensive geodatabase and map of Europe’s known primary forests. Our geodatabase harmonizes 48 different, mostly field-based datasets of primary forests, and contains 18,411 individual patches (41.1 Mha) spread across 33 countries. When available, we provide information on each patch (name, location, naturalness, extent and dominant tree species) and the surrounding landscape (biogeographical regions, protection status, potential natural vegetation, current forest extent).

Sur près de 15 000 kilomètres parcourus, plus de 1000 observations de mammifères marins ont été effectuées. Depuis 1994, les campagnes SCANS (Small Cetaceans in European Atlantic waters and the North Sea) ont pour objectifs d’évaluer l’abondance et la répartition des mammifères marins, mais aussi des oiseaux, tortues, grands poissons et déchets en mer. Elles sont réalisées tous les six ans pour évaluer l’état écologique de ces populations.

Addressing global environmental challenges requires access to biodiversity data across wide spatial, temporal and taxonomic scales. Availability of such data has increased exponentially recently with the proliferation of biodiversity databases. However, heterogeneous coverage, protocols, and standards have hampered integration among these databases.

Time-lapse cameras facilitate remote and high-resolution monitoring of wild animal and plant communities, but the image data produced require further processing to be useful. Here we publish pipelines to process raw time-lapse imagery, resulting in count data (number of penguins per image) and ‘nearest neighbour distance’ measurements. The latter provide useful summaries of colony spatial structure (which can indicate phenological stage) and can be used to detect movement – metrics which could be valuable for a number of different monitoring scenarios, including image capture during aerial surveys. We present two alternative pathways for producing counts: (1) via the Zooniverse citizen science project Penguin Watch and (2) via a computer vision algorithm (Pengbot), and share a comparison of citizen science-, machine learning-, and expert- derived counts.