我们使用人工智能和卫星图像来绘制视线之外的海洋活动地图,包括渔业、航运和能源开发

TheConversation

https://theconversation.com/we-used-ai-and-satellite-imagery-to-map-ocean-activities-that-take-place-out-of-sight-including-fishing-shipping-and-energy-development-219367

人类正在竞相利用海洋的巨大潜力来推动全球经济增长。在世界范围内,渔业、航运和能源生产等海洋产业至少产生 1.5万亿美元 每年的经济活动和支持 3100万个就业岗位. 。该值已 呈指数增长 过去 50 年,预计到 2030 年将翻一番。

监控这种“蓝色加速”的透明度对于防止 环境恶化, 过度开发 渔业和海洋资源,以及 不法行为 例如非法捕鱼和人口贩运。开放信息还将使各国能够更好地有效管理重要的海洋资源。但到目前为止,海洋的巨大规模使得大规模追踪工业活动变得不切实际。

《自然》杂志上最新发表的一项研究结合了卫星图像、船舶 GPS 数据和人工智能, 揭示人类跨洋工业活动 五年内。研究人员在 全球渔业观察, 是一个致力于通过提高人类海上活动透明度来推进海洋治理的非营利组织,与以下机构合作领导了这项研究 以及我们在杜克大学、加州大学圣塔芭芭拉分校的同事 天空真相.

我们发现大量活动发生在公共监控系统之外。我们的新地图和数据提供了有关海洋工业用途的最全面的公共图片。

A world map shows large areas where industrial fishing activity is not publicly tracked or recorded.
数据分析显示,世界上约 75% 的工业渔船没有被公开追踪,其中大部分捕捞活动发生在非洲和南亚周围。 全球渔业观察, CC BY-ND

在黑暗中操作

我们的研究建立在现有技术的基础上,提供了比迄今为止更完整的情况。

例如,许多船只都配备了一种称为自动识别系统(AIS)的设备,可以自动广播船只的身份、位置、航向和速度。这些设备 与附近其他 AIS 设备通信 提高态势感知能力并减少海上船只相撞的机会。它们还传输到岸基转发器和卫星,可用于 监控船只交通和捕鱼活动.

然而,AIS系统存在盲点。并非所有船舶都必须使用它们,某些地区的 AIS 接收较差,从事非法活动的船舶可能会使用它们。 禁用 AIS 设备 或者 篡改位置广播. 。为了避免这些问题,一些政府要求渔船使用专有的船舶监控系统,但相关的船舶位置数据通常是保密的。

一些海上结构,例如石油平台和风力涡轮机, 也可使用AIS 引导服务船舶、监控附近船舶交通并提高航行安全。然而,海上结构的位置数据通常不完整、过时或出于官僚或商业原因而保密。

Fishermen wade into the ocean, pulling large nets.
渔民在刚果民主共和国穆安达的海滩上用手拉网。外国拖网渔船不受管制的捕捞和其他因素导致渔业资源枯竭,当地渔民陷入贫困。 亚历克西斯·休盖特/法新社,盖蒂图片社

照亮海上活动

我们通过使用人工智能模型来识别 200 万 GB 卫星数据中的渔船、非渔船和固定基础设施,从而填补了这些空白。 雷达图像光学图像 2017 年至 2021 年间跨越大洋拍摄的。我们还将这些结果与 530 亿条 AIS 船舶位置报告进行匹配,以确定在拍摄图像时哪些船舶是可公开追踪的。

值得注意的是,我们发现大约 75% 的渔船在公共 AIS 监测系统中缺失,其中大部分活动发生在非洲和南亚周围。这些以前看不见的船只从根本上改变了我们对捕鱼活动的规模、范围和地点的认识。

例如,公共 AIS 数据错误地表明亚洲和欧洲境内的捕捞量相当。我们的地图显示亚洲占主导地位:我们在水面上发现的每 10 艘渔船中,有 7 艘在亚洲,只有一艘在欧洲。同样,AIS 数据显示,地中海欧洲一侧的捕捞量大约是非洲一侧的 10 倍,但我们的地图显示,这两个地区的捕捞活动大致相等。

对于其他主要与运输和能源相关的船舶,公共 AIS 监控系统中约有 25% 缺失。许多失踪船只位于 AIS 接收不良的地点,因此它们可能会广播其位置,但卫星没有接收到传输信号。

我们还确定了约 28,000 个海上结构,其中大部分是石油平台和风力涡轮机,但也有码头、桥梁、输电线、水产养殖场和其他人造结构。近五年来,海上石油基础设施略有增长,而全球风力涡轮机的数量增加了一倍多,其中发展主要局限于北欧和中国。我们估计,到 2020 年底,海洋中风力涡轮机的数量可能会超过石油设施的数量。

World map with locations of wind turbines, oil and gas platforms and other structures highlighted along coastlines.
研究人员将机器学习和卫星图像结合起来,创建了第一张全球近海基础设施地图,突出了以前未绘制的海洋工业用途。 全球渔业观察, CC BY-ND

支持现实世界的努力

该数据可通过全球渔业观察免费获取 数据门户 并将随着时间的推移在那里进行维护、更新和扩展。我们预计这些信息对于实地监测最有用的几个领域:

在数据匮乏的地区捕鱼:船上监控系统成本太高,无法在许多地方广泛部署。发展中国家的渔业管理者可以使用我们的数据来监测当地种群的压力。

非法、未报告和无管制的捕捞:工业渔船有时会在不该在的地方作业,例如 小型传统渔场海洋保护区. 。我们的数据可以帮助执法机构识别非法活动并确定巡逻目标。

违反制裁的贸易:我们的数据可以揭示可能违反国际经济制裁的海上活动。例如, 联合国制裁 禁止朝鲜出口海鲜产品或向其他国家出售其捕鱼权。以前的工作 发现900多艘未公开渔船 朝鲜东部水域的中国产船只违反了联合国决议制裁。

我们发现朝鲜西部水域有更多未公开的捕鱼活动,很可能也来自外国。这种以前未绘制的活动在每年 5 月达到顶峰,当时中国禁止在自己的水域捕鱼,并在 2020 年朝鲜因 COVID-19 大流行而关闭边界时突然下降。

更好的监控可能有助于各国协调北海等繁忙地区的海上活动。

减缓和适应气候变化:我们的数据可以帮助量化船舶交通和海上能源开发的温室气体排放规模。这些信息对于执行气候变化缓解计划非常重要,例如欧盟的 排放交易计划.

海上能源影响:我们的地图不仅显示了海上能源开发的地点,还显示了船舶交通如何与风力涡轮机和石油和天然气平台相互作用。这些信息可以揭示建造、维护和使用这些结构的环境足迹。它还可以帮助 查明漏油来源 和其他海洋污染。

健康的海洋 支撑人类福祉 以多种方式。我们期望这项研究能够支持基于证据的决策,并有助于使海洋管理更加公平、有效和可持续。

Fernando Paolo,全球渔业观察高级机器学习工程师;David Kroodsma,全球渔业观察研究与创新总监;杜克大学海洋地理空间生态学教授帕特里克·哈尔平 (Patrick Halpin) 对本文做出了贡献。

已获得许可: CC-BY-SA
CAPTCHA

发现网站:siteUrl

^