AI onthult verborgen luchthavens hotspots die wereldwijde dierenhandel ondersteunen

Luchthavens en de illegale handel in wilde dieren

Een recent onderzoek, gepubliceerd in Communications Earth & Environment, onthult hoe kunstmatige intelligentie (AI) en netwerkwetenschap autoriteiten en natuurbeschermingsorganisaties kunnen helpen de illegale handel in wilde dieren te bestrijden door smokkelhubs te identificeren, zelfs op luchthavens die voorheen niet waren gemarkeerd.

Onderzoekers van de Universiteit van Zuid-Californië en de Universiteit van Maryland hebben de kenmerken van bijna 2.000 luchthavens wereldwijd geanalyseerd. Hun model voorspelde dat 307 luchthavens mogelijk betrokken zijn bij de illegale handel in wilde dieren, ondanks dat er geen geregistreerde inbeslagnames in de beschikbare gegevens waren. Van deze luchthavens kwamen er 11 naar voren als “verborgen hotspots” met hoge zekerheid, waaronder twee luchthavens in de VS: Dallas Fort Worth International en Denver International, die eerder niet waren gemarkeerd in wereldwijde smokkeldatabases.

Het voorspellende model gebruikte patronen in historische smokkelgegevens en huidige inzichten over belangrijke luchthaveneigenschappen, zoals de centraliteit binnen vlietnetwerken, om locaties te identificeren die waarschijnlijk betrokken zijn bij de illegale handel. De frequentie van flora-gerelateerde misdaden op een luchthaven en de sterkte van lokale anti-smokkelmaatregelen bleken ook belangrijke voorspellers te zijn.

Dit innovatieve benadering biedt natuurbeschermingsorganisaties, federale instanties en andere besluitvormers nieuwe inzichten in mondiale patronen van illegale handel in wilde dieren via luchthavens. Naast de luchthavens in de VS werden ook hotspots geïdentificeerd in China, Indonesië, Italië, Mexico en de Filippijnen.

Het artikel, getiteld “Encoding and Decoding Illegal Wildlife Trade Networks Reveals Key Airport Characteristics and Undetected Hotspots,” werd geleid door Hannah Murray, een Ph.D. student aan de Universiteit van Zuid-Californië. “Deze bevindingen kunnen besluitvormers in staat stellen om proactieve keuzes te maken over hoe ze de handel in wilde dieren kunnen voorkomen, in plaats van alleen reactief op te treden,” zei Murray.

De onzichtbare wereld onthullen

De illegale handel in wilde dieren, planten en hun producten is een belangrijke oorzaak van verlies van biodiversiteit. “De illegale handel in wilde dieren is de op één na grootste bedreiging voor de natuur, na habitatverlies,” merkte Dilkina op. “We moeten dit probleem effectiever aanpakken om de biodiversiteit te behouden.”

Murray, die haar passie voor natuurbescherming ontdekte tijdens haar masterstudie in datawetenschap, benadrukte dat haar werk is geïnspireerd door de uitdaging om wat onzichtbaar is in de illegale handel zichtbaar te maken. “Wat we weten, komt voort uit gedocumenteerde inbeslagnames, maar wat is er met de incidenten die onopgemerkt blijven?”

Van inzicht naar actie

Met deze nieuwe informatie kunnen douaneautoriteiten overwegen om de controle op vracht- en handbagage op de nieuw gemarkeerde luchthavens te verhogen. “Luchtvaartmaatschappijen die op deze locaties opereren, kunnen ook vereisen dat bemanningsleden jaarlijkse training in bewustwording van de handel in wilde dieren volgen,” voegde Gore toe.

Begrijpen van complexe relaties

Dilkina’s onderzoek naar data-gedreven methoden om de handel in wilde dieren te bestrijden omvat eerder onderzoek naar het detecteren en verstoren van illegale toeleveringsketens. “Met machine learning-modellen kunnen we complexe niet-lineaire relaties vastleggen die een rol kunnen spelen in de kans op illegale handelsactiviteit op een luchthaven,” zei Dilkina.

Een basis voor de toekomst

Dit onderzoek bouwt voort op eerder werk door USC-alumnus Aaron Ferber, die een AI-model ontwikkelde om de stromen van illegaal verhandeld wildlife te voorspellen. Het team hoopt dat deze studie een fundament legt voor toekomstig onderzoek dat besluitvormers een sterker data-gedreven voordeel biedt in de strijd tegen de illegale handel in wilde dieren.