研究人员使用神经网络分析卫星和雷达图像，发现了对全球海洋活动的洞察。
这项研究发表于 性质由费尔南多·保罗领导《全球钓鱼观察》，一家总部位于华盛顿特区的非营利性组织透露，世界上四分之三的大型渔船和四分之一的运输和能源船只以“黑暗船只”的形式运作，没有公开分享它们的位置。
费尔南多·保罗解释说：“从历史上看，船只活动记录得很差，限制了我们对世界上最大的公共资源——海洋——如何被利用的理解。
“我们有一个想法，我们错过了一大部分发生在海洋中的活动，但我们不知道有多少。我们发现这比我们想象的要多得多。“
利用2017年至2021年的数据，研究小组分析了主要渔业和工业活动集中的沿海地区的GPS、卫星和雷达图像。他们 训练了多个神经网络来识别和分类这些图像中的船只和海上结构。
结果显示，在被跟踪的大约6.3万艘船只中，大多数船只并没有始终使用自动识别系统，这引发了人们对非法活动的担忧，如无管制捕捞。
绘制各种海上基础设施的足迹图。来源：《自然》。
一个AI接受了专门的培训，根据渔船的旅行模式和位置来区分渔船，发现42%到49%的船只被归类为渔船。
该研究的共同作者、威斯康星大学麦迪逊分校自然资源经济学助理教授Jennifer Raynor表示：“通过揭示黑暗船只，我们创造了全球工业化捕鱼最全面的公共图景。
此外，该研究确定了28，000个海上结构，包括那些涉及风力发电和石油生产的结构，海上风力涡轮机的数量显著增加。
在研究期间，石油结构的数量增加了16%，但更值得注意的是，风力涡轮机的数量增加了一倍多，到2021年超过了石油平台。
海上风能的增长在中国尤为明显，从2017年到2021年增长了9倍。
在整个研究期间，风力涡轮机的数量急剧上升。来源：《自然》。
更多关于这项研究的信息
这项由全球渔业观察进行的研究在神经网络的帮助下绘制了海上工业活动的地图。
以下是关于它如何工作的更多信息：
- 数据收集和整合在2017年至2021年期间，该团队收集了大量数据，包括2PB的卫星图像、船舶GPS数据和深度学习模型。这些数据涵盖了世界沿海水域，超过75%的工业活动集中在那里。
- 深度学习模型开发：他们开发了三个深度卷积神经网络。这些网络是为特定任务而设计的：高精度地识别物体并估计其长度，将近海基础设施分类为石油、风力和其他结构，以及区分渔船和非渔船。
- 卫星图像和船舶GPS数据分析：研究人员分析了卫星图像以探测船只和近海结构物，然后将这些发现与公开广播其位置的船只的GPS数据进行匹配。这表明，很大一部分工业渔船(72%至76%)和其他船只(21%至30%)没有公开追踪。
- 制图和活动该小组绘制了船只活动和海上能源基础设施的地图，突出了这些活动在沿海水域的分布和集中。他们发现，在COVID—19疫情期间，捕鱼活动显著减少，而运输和能源船只活动保持相对稳定。
- 环境影响评价最后，研究人员确定了非法捕捞的潜在热点，并量化了船只活动的规模，包括海上风电基础设施的快速增长，到2021年，海上风电基础设施的数量超过了石油结构的数量。
研究人员希望这张地图现在可以帮助管理和了解未来人类在海洋中的活动。
正如杜克大学海洋地理空间生态学教授帕特里克·哈尔平所说，“人类世的足迹不再局限于陆地”，这意味着当前时代的人类活动已经渗透到地球的每一个角落。
