Я попробовал собрать восемь самых веских, на мой взгляд, причин. Сразу скажу, что вопрос в заголовке ("много раз одно и то же") не включает два важных условия: "в том же самом месте" и "в то же самое время".
Оставим в стороне причины соревновательного плана: у любого соревнования внутри iNaturalist (и у нашего сообщества в частности) есть важнейший результат - постепенное накопление открытых электронных данных. Например, по флоре России. Хотя, наверное, фактор, когда один участник хочет опередить другого (по числу наблюдений или по числу видов), или продвинуть свой регион, или помочь России опередить Канаду, играет заметную роль. Но это уже скорее из области спортивной психологии.
1) Для уточнения распространения видов.
Проект "Флора России" был создан, прежде всего, как инструмент сбора данных для атласа флоры России. "Уточнение распространения" может иметь разный пространственный масштаб. Например, это может быть еще не отмеченный вид для региона или для административного района. Но с каждым днём вероятность таких встреч становится всё меньше.
Как вы знаете, в лидерах нашего проекта - Москва и Подмосковье. Кажется, что здесь уже что-то снимать бессмысленно. Однако если покрыть даже такую территорию негустой сеткой (0,1 на 0,1 градуса, т.е. 10 x 6 км), то оказывается, что данных катастрофически мало: https://www.inaturalist.org/posts/36143-prostranstvennyy-test-dannyh-2 - как по числу выявленных в каждой ячейке видов, так и по распространению самых обычных (казалось бы) растений. В общем, отъедьте от места своей прошлой экскурсии на 5-10 км, гляньте на дырки в карте регионального проекта и попробуйте заполнить эту пустоту.
2) Для уточнения фенологии видов.
Мы живем во время наиболее резких климатических изменений за всю историю инструментальных наблюдений. Особенно это чувствуется в Средней России. Прошлой осенью мы время от времени загружали на iNaturalist цветущие в ноябре растения, делились радостью редких кадров. В декабре цветущие растения продолжили попадаться в кадр, восторг сменился ухмылкой. В январе цветение отдельных видов продолжилось. В итоге, мы долго гадали: непрерывное цветение мать-и-мачехи в ноябре, декабре, январе и феврале - это вторичное осеннее цветение или смещение весны на ноябрь?
Но, в любом случае, эти необычные процессы нам удалось задокументировать. А ведь есть и другие фенофазы - сокодвижение, набухание почек, распускание листьев, бутонизация, плодоношение, листопад, появление всходов. Да и просто массовость загрузки фотографий по отдельным видам надежно документирует начало их цветения в том или ином регионе, а при сравнении данных за разные годы можно делать и важные выводы.
3) Для того, чтобы присматриваться к растениям.
Каждый раз, когда я смотрю на итоговую карту распространения, например, какого-нибудь злака или осоки - радость нашего развития сменяется тревогой за то, что силы нешего сообщества уходят на съемку крапивы, тысячелистника, сосны и одуванчика. В приложении есть функция "Цели", которая предлагает участнику найти новые для него виды по ближайшим точкам съемки этих видов другими участниками.
Посмотрите региональные списки видов, проверьте, где они растут, попробуйте обнаружить их самостоятельно. Из моего опыта: в моей родной Владимирской области есть отдельные участки, где за дневной маршрут в разгар сезона можно найти и опознать в поле свыше 450 видов, а в последних числах октября - свыше 180.
4) Для того, чтобы лучше видеть то, чего не видно.
Формулировка хитрая, но приведу простой пример: омелу (Viscum album), а это вечнозеленый полупаразит, образующий "шары" в кронах деревьев, впервые за 100 лет нашли в Московской области в феврале при поиске птичьих гнезд. Ни одному ботанику не приходило в голову смотреть не под ноги, а вверх, да еще и зимой.
Примеров, когда в один из нестандартных сезонов издалека можно увидеть то, что летом прячется в листве или в траве, довольно много.
5) Для улучшения моделей автоматического распознавания видов по изображениям.
Тут всё просто: массовые виды система распознает по "стандартным" изображениям, а вот с нестандартными туго. Добавляйте кору и общий вид деревьев в серию фотографий с листьями, снимайте растения в виде сухих остатков осенью и зимой, не отворачивайтесь от плодоносящих растений, заметив рядом цветущее. Как говорит со-директор iNaturalist Кеничи Уеда, машина как человек - если ее учить по хорошим учебникам, то и результат будет отменный. Каждая фотография помогает будущим участникам избегать ошибок при выборе неправильных подсказок даже при ошибках в ракурсах съемки.
Что касается растений редких, то для включения в модели распознавания образов нужно 100 наблюдений вида, в т.ч. 50 наблюдений исследовательского уровня. Так что если есть цель научить систему распознавать редкий вид - вынь да положи 100 наблюдений. Кстати, в сентябре в Калифорнии запустили новый пересчет моделей: в них будет уже не 25 тыс., а 35 тыс. видов со всего мира. Все данные по флоре России, накопленные к сентябрю 2020 г., туда попали! Весной новый движок запустят.
6) Для улучшения моделей автоматического распознавания видов по параметру "Поблизости".
Вы знаете, что зачастую при подсказках система сообщает "Встречен поблизости". Что означают эти слова? Здесь мы снова переходим к сеточному картированию. Точка съемки находится в каком-то квадрате 1 x 1 градус (примерно 110 на 60 км). Поблизости - это девять квадратов (3 x 3 градуса), средний из которых - это квадрат съемки.
Иными словами, "поблизости" - это участок примерно 330 на 180 км (на границы регионов и стран система при этом внимания не обращает). Такие виды получают больший вес в автоматических предложениях. Из моего опыта: при загрузке растений из Смоленской и Новгородской областей, по которым данных немного, регулярно попадались растения без встреч поблизости. Но может быть дело тут в другом (см. пункт 7)?
7) Для улучшения моделей автоматического распознавания видов по времени съемки.
Многие не знают, что параметр "поблизости" учитывает не только место съемки, но и время съемки (с точностью до месяца). Если вид снят в октябре, а в два соседних месяца (сентябрь и ноябрь) их никто не снимал в соседних квадратах, то метка "Встречен поблизости" ему не ставится.
Таким образом, чтобы надежно распознавать виды автоматически в течение всего года, система должна знать календарь съемки этого вида. Именно по этой причине, например, iNaturalist никогда не предложит хохлатку или гусиный лук при определении осенних фотографий.
8) Самое важное. Для того, чтобы чаще бывать на природе, двигаться и внимательно наблюдать за растениями.
Если что-то упустил - дописывайте свои предложения.
評論
Отличный пост! Почему-то навел меня на мысль что нужно создать для начала текстовую, потом инфографическую матрицу о том как снимать, чтобы потом на ее основе AI говорил "стоять! ты снимаешь гриб, а забыл снять, как крепятся пластинки к ножке". Вот примерно в таком ключе https://docs.google.com/spreadsheets/d/1Fz-rgWCS7r_8mla4xjtfOsDHN9WTV31wxASR_wtL4Mo/edit?usp=sharing? Редактируемо.
Отличный пост!
У нас такая памятка есть:
https://www.inaturalist.org/projects/flora-of-russia/journal/37806-
Мы её даже в описании группы повесили.
Но судя по заторам из непробудных щавелей и мятликов до этой ссылки мало, кто добирается.
В общем, учимся у классиков
Спасибо, попробовала кнопку "Цели" в приложении.
@okasana Что-то я никак не найду кнопку "Цели"?
Alex, "цели" только в приложении на смартфоне есть.
新增評論