Des chercheurs ont mis au point une méthode semi-automatisée, à faible coût et pilotée par IA, qui utilise des caméras distantes pour recenser les bourdons et potentiellement d’autres insectes.
Ce nouvel outil pourrait avoir des implications importantes pour les efforts de conservation des populations d’insectes en déclin. Cela concerne notamment les espèces de bourdons, dont plusieurs ont fait l’objet de pétitions en vue de leur inscription sur la liste de la loi sur les espèces en voie de disparition.
Les chercheurs ajoutent que cette technologie pourrait être bénéfique pour l’agriculture, car de nombreuses cultures dépendent des insectes pollinisateurs.
« Les insectes sont d’une importance vitale, et nous avons besoin de méthodes pour mieux comprendre leurs populations », a déclaré Michael Getz, data scientist au Biodiversity Research Institute dans le Maine, qui a mené ces recherches dans le cadre de son master à l’université d’État de l’Oregon. « Cet outil devrait nous aider à y parvenir de manière peu coûteuse et facilement extensible. »
Ces résultats ont récemment été publiés dans la revue Remote Sensing in Ecology and Conservation.
Les relevés d’insectes traditionnels reposent généralement sur l’une des deux méthodes, qui présentent toutes deux des inconvénients. Les pièges sont souvent utilisés, mais ils sont mortels pour les insectes. L’observation directe, qui fait souvent appel aux filets à insectes, est laborieuse, chronophage et coûteuse.
L’équipe de recherche de l’université d’État de l’Oregon s’est appuyée sur des études récentes montrant que les pièges photographiques peuvent capturer des images d’insectes de manière non invasive. La plupart des travaux antérieurs portaient toutefois sur des insectes nocturnes comme les papillons de nuit, qui peuvent facilement être attirés vers les caméras grâce à la lumière.
On savait moins comment attirer et surveiller les insectes diurnes, actifs à la lumière du jour. Les chercheurs ont cherché à déterminer le moyen le plus efficace d’attirer les bourdons vers des stations de caméras, de les identifier automatiquement une fois photographiés et de comparer le suivi par caméra aux techniques de relevé conventionnelles.
Pour y parvenir, les chercheurs ont construit un système de caméras peu coûteux à partir de composants disponibles dans le commerce et l’ont déployé pendant la floraison dans un champ de trèfle rouge porte-graine au laboratoire de recherche sur le terrain Hyslop de l’université d’État de l’Oregon à Corvallis.
Parallèlement aux caméras, les chercheurs ont recensé les bourdons à l’aide de filets à main et de pièges à aubes bleues, un outil utilisé par les chercheurs pour attirer les insectes, mais qui est mortel pour les abeilles. Le système de caméras a enregistré six espèces de bourdons, ce qui correspond étroitement à la diversité des espèces documentées par le filet et les pièges.
Pour identifier les images de bourdons, ils ont soumis les images à deux types de modèles d’analyse d’images par apprentissage profond conçus sur mesure. Ils ont constaté que les modèles en tuiles, qui divisent les images en sections plus petites et analysent chaque segment individuellement, surpassaient les modèles qui évaluaient les images entières d’un seul coup.
Les chercheurs ont également testé plusieurs motifs visuels placés derrière les caméras pour attirer les bourdons et ont constaté que les motifs en forme de cible attiraient nettement plus de visites d’abeilles que les fonds de couleur unie.
« L’un des plus grands défis pour comprendre la santé et l’écologie des pollinisateurs est de collecter suffisamment d’informations dans de vastes paysages », a expliqué Tim Warren, professeur adjoint au département d’horticulture de l’université d’État de l’Oregon. « Ces résultats montrent que nous pouvons recueillir des données fiables avec ce type de système de caméras et commencer à comprendre les tendances des populations et des déplacements à une échelle qui n’était pas envisageable auparavant. »
La capacité à générer des données de suivi à grande échelle est particulièrement précieuse alors que davantage d’espèces de bourdons sont évaluées en vue d’une protection fédérale, a déclaré Andony Melathopoulos, coauteur de l’article et professeur associé en santé des pollinisateurs à l’université d’État de l’Oregon.
Les lacunes dans les données compliquent souvent les décisions concernant l’inscription d’espèces sur la liste de la loi sur les espèces en voie de disparition et la désignation de leur habitat essentiel, a-t-il ajouté.
« Cette technologie ouvre la possibilité d’obtenir des données bien plus riches, afin d’être plus précis dans les décisions d’inscription d’une espèce et de caractérisation de son habitat essentiel », a souligné Melathopoulos.
Les autres coauteurs de l’article sont Lincoln Best, taxonomiste des abeilles à l’université d’État de l’Oregon, et Oksana Ostroverkhova, professeure de physique à l’université d’État de l’Oregon.
Journal : Remote Sensing in Ecology and Conservation
Source : Oregon State U.
