Roma – Le collisioni tra animali e veicoli rappresentano una minaccia per gli sforzi di conservazione e per la sicurezza umana e comportano costi enormi per i gestori e gli utenti delle infrastrutture di trasporto.
Utilizzando le opportunità offerte dal crescente numero di sensori integrati nelle infrastrutture di trasporto e dallo sviluppo dei loro gemelli digitali, un team di ricerca francese ha sviluppato un metodo mirato alla gestione delle collisioni tra animali e veicoli. L’obiettivo è mappare il rischio di collisione tra treni e ungulati (caprioli e cinghiali) tramite l’implementazione di una rete di fototrappole.
Guidato da Sylvain Moulherat e Léa Pautrel, di OïkoLab e TerrOïko , Francia, lo studio è pubblicato sulla rivista open access Nature Conservation .
Il metodo proposto inizia simulando i movimenti più probabili degli animali all’interno e attorno a un’infrastruttura utilizzando un software di modellazione ecologica. Ciò consente di valutare dove è più probabile che attraversino.
Dopo aver identificato questi hotspot di collisione, la modellazione ecologica viene utilizzata di nuovo per assistere nella progettazione dell’implementazione dei fotosensori sul campo. Vengono modellati vari scenari di implementazione per trovare quello i cui risultati previsti sono più coerenti con la simulazione iniziale.
Una volta installati i sensori, i dati raccolti (in questo caso, le foto) vengono elaborati tramite intelligenza artificiale (apprendimento profondo) per rilevare e identificare le specie presenti nelle vicinanze dell’infrastruttura.
Infine, i dati elaborati vengono immessi in un modello di abbondanza, che è un altro tipo di modello ecologico. Viene utilizzato per stimare la probabile densità di animali in ogni parte di un’area studiata utilizzando dati raccolti solo in pochi punti di quell’area. Il risultato è una mappa che mostra l’abbondanza relativa delle specie e, quindi, il rischio di collisione lungo un’infrastruttura.
Questo metodo è stato implementato su una sezione effettiva di ferrovia nella Francia sud-occidentale, ma può essere applicato a qualsiasi tipo di infrastruttura di trasporto. Può essere implementato non solo su infrastrutture esistenti, ma anche durante la fase di concezione di nuove infrastrutture (come parte della strategia di valutazione dell’impatto ambientale).
Un metodo del genere apre la strada all’integrazione di sistemi di monitoraggio orientati alla biodiversità nelle infrastrutture di trasporto e nei loro gemelli digitali. Poiché i sensori raccolgono dati in modo continuo, in futuro potrebbe essere migliorato per fornire informazioni in tempo reale al conducente e produrre mappe adattive dinamiche che potrebbero essere infine inviate ai veicoli autonomi.(30Science.com)
