Jak sztuczna inteligencja i kamery 360 pomagają ratować rafy koralowe

$config[ads_kvadrat] not found

Blaknąca przyszłość raf koralowych

Blaknąca przyszłość raf koralowych
Anonim

Zmiany klimatu wybielały rafy koralowe, dziesiątkując lokalne gatunki morskie, które nazywają je domem, ponieważ przynajmniej pierwsze poważne obserwacje odnotowano na Karaibach w 1980 r. Na szczęście nowy A.I. katalogowanie mające na celu identyfikację regionów geograficznych, w których koral wciąż kwitnie, ma nadzieję odwrócić ten trend, oszczędzając jedne z najbardziej gęstych i zróżnicowanych ekosystemów wodnych na świecie przed całkowitym wyginięciem.

Istnieje wiele powodów, dla których musimy dbać o ratowanie raf koralowych, od etycznych po ekonomiczne. Rafy te, oprócz zakwaterowania około jednej czwartej gatunków morskich, zapewniają światowej gospodarce dochody w wysokości 375 miliardów USD, opiekun i bezpieczeństwo żywnościowe dla pół miliarda ludzi. Bez nich naukowcy twierdzą, że niezliczone gatunki i cała branża rybołówstwa oceanicznego, która od nich zależy, po prostu wyparowałyby.

Problem polega na tym, że jest tylko tyle pieniędzy i tyle czasu na złagodzenie szkód, które już się dokonują, podczas gdy 172 narody, które ratyfikowały Ramową konwencję Narodów Zjednoczonych w sprawie zmian klimatycznych „Porozumienie paryskie”, ścigają się, aby ograniczyć emisję dwutlenku węgla. Ale międzynarodowe konsorcjum naukowców twierdzi, że ma nadzieję, że sztuczna inteligencja może wypełnić luki i pomóc rafom uzyskać uwagę i zasoby, których potrzebują, aby przetrwać.

W rozwiązaniu zaangażowano zespół naukowców rozmieszczających skutery podwodne z aparatami 360 stopni fotografującymi rafę o powierzchni 1487 mil kwadratowych u wybrzeży wyspy Sulawesi w Indonezji. (Sulawesi, położony pośrodku trójkąta koralowego, otoczony jest najwyższą koncentracją morskiej różnorodności biologicznej na planecie.)

Te obrazy zostały następnie wykorzystane w formie głębokiego uczenia się A.I. który został nauczony w ciągu 400 do 600 zdjęć, aby zidentyfikować typy koralowców i innych bezkręgowców rafowych, aby ocenić zdrowie ekologiczne tego regionu.

„Wykorzystanie A.I. Szybka analiza zdjęć koralowców znacznie poprawiła wydajność tego, co robimy ”- powiedziała w oświadczeniu dr Emma Kennedy, bentosowa ekolog morska z University of Queensland. „To, co zajęłoby naukowcowi rafy koralowej od 10 do 15 minut, teraz zabiera maszynę na kilka sekund”.

„Maszyna uczy się w podobny sposób jak ludzki mózg, rozważając wiele drobiazgowych decyzji na temat tego, na co patrzy, dopóki nie zbuduje obrazu i nie ma wątpliwości, że dokona identyfikacji”.

Kennedy i inni badacze używali również niestandardowego, iteracyjnego algorytmu grupowania w celu identyfikacji raf koralowych na całym świecie, które wydają się najbardziej korzystać z zasobów ochrony. Ich formuła opiera się na 30 metrykach znanych z wpływu na ekologię raf koralowych, podzielonych na kategorie takie jak aktywność historyczna, warunki termiczne, uszkodzenie fali cyklonowej i zachowanie larw koralowców. Mapa tych głównych miejsc dla przyszłej ochrony koralowców została opublikowana w Listy konserwacyjne, czasopismo Society for Conservation Biology pod koniec lipca.

Badania były możliwe dzięki hojnym darowiznom rządu australijskiego, Nature Conservancy, Bloomberg Philanthropies, Tiffany & Co. Foundation oraz Paul G. Allen Family Foundation, której barka dla imienników ma znaczący rekord w dziedzinie rafy koralowej wyczerpanie.

Kennedy i jej zespół mają nadzieję, że te A.I. techniki będą dalej udoskonalane, aby pomóc w zarządzaniu rafami koralowymi na bardziej lokalnym poziomie, a także w kilku ważnych ekologicznie miejscach, w tym w Meso-American Barrier Reef i koralowcach na Hawajach, które musiały zostać wyłączone z badań.

Wierzą, że lokalne wersje ich globalnych badań odniosą korzyści z danych, które nie są jednolicie dostępne dla raf międzynarodowych: informacje o chemii oceanów, „zdolności adaptacyjne” lokalnych raf do wytrzymania zmian klimatycznych lub innych naprężeń w ich systemach lub dane szczegółowe lokalnej zależności gospodarczej od tych raf koralowych.

$config[ads_kvadrat] not found