[Blog] smartWhales: Wykorzystanie przestrzeni do zapewnienia bezpieczeństwa wielorybom
Zdjęcie lotnicze wieloryba północnoatlantyckiego o imieniu Ruffian. (Credit: Centre for Coastal Studies NOAA federal permit #19315-01)
Dane satelitarne mogą być wykorzystywane w wielu dziedzinach, w tym w badaniach zmian klimatu, nadzorze morskim oraz ochronie ekosystemów i różnorodności biologicznej. Załóżmy teraz, że dane te zostałyby wykorzystane do zapewnienia bezpieczeństwa wielorybom.
O to właśnie zaapelowała Kanadyjska Agencja Kosmiczna we współpracy z Fisheries and Oceans Canada i Transport Canada, uruchamiając inicjatywę smartWhales. W wyniku zapytania ofertowego opublikowanego w czerwcu 2020 r., pięć kanadyjskich firm otrzymało kontrakty w ramach inicjatywy smartWhales w celu opracowania rozwiązań wykorzystujących dane satelitarne w celu ochrony prawych wielorybów północnoatlantyckich (NARW) na wodach kanadyjskich.
Gatunek ten jest uznany za zagrożony i występuje wzdłuż północnoamerykańskiego wybrzeża Oceanu Atlantyckiego, gdzie ma miejsce znaczna działalność połowowa i żegluga komercyjna. Warunki te stwarzają ryzyko dla NARW, w tym kolizje statków i zaplątanie się w sieci rybackie.
Inicjatywa smartWhales doprowadziła do stworzenia rozwiązań opartych na przestrzeni kosmicznej, które pomogą kształtować lepszą przyszłość dla prawego wieloryba północnoatlantyckiego. (Kredyty: Canadian Space Agency, Fisheries and Oceans Canada i Transport Canada)
Projekty realizowane w ramach inicjatywy smartWhales koncentrują się na dwóch strumieniach: wykrywaniu i monitorowaniu NARW oraz przewidywaniu i modelowaniu zachowania i ruchu NARW w ich siedliskach. Odkryj innowacyjne podejścia wdrożone przez pięć firm i ich partnerów, aby lepiej zrozumieć zwyczaje życiowe gatunku i pomóc zmniejszyć ryzyko, na jakie narażone są w wyniku działalności człowieka w tych środowiskach.
Arctus wdrożył projekt Syst?me intégré de modélisation de la baleine noire de l'Atlantique Nord [Zintegrowany system modelowania dla wielorybów północnoatlantyckich] (SIMBA). Firma i jej współpracownicy wykorzystują zdjęcia satelitarne, aby dowiedzieć się więcej o lokalizacji wielorybów. Połączenie tych obrazów z modelami przewidywania siedlisk umożliwia lepsze zrozumienie zachowania i ruchu NARW. Informacje te będą cenne dla władz i rybaków, którzy mogą je wykorzystać do podejmowania decyzji dotyczących najlepszego sposobu współistnienia z NARW.
W ramach projektu SIMBA Arctus tworzy mapy obszarów, w których można znaleźć zooplankton, którym żywią się wieloryby. Łącząc te mapy ze zdjęciami satelitarnymi, eksperci są w stanie określić, gdzie najprawdopodobniej znajdują się wieloryby i zebrać kluczowe informacje na temat ich siedlisk morskich. Zdjęcia satelitarne poprawiają modele przewidywania siedlisk wielorybów, zapewniając wgląd w warunki oceaniczne. Pokazują zmiany w kolorze wody, spowodowane głównie obecnością fitoplanktonu, maleńkich organizmów roślinnych, na których żeruje zooplankton.
Własna platforma Global Spatial Technology Solutions (GSTS), OCIANATM, została doceniona przez branżę transportu morskiego za dostarczanie rozwiązań usprawniających podejmowanie decyzji w całym morskim łańcuchu dostaw i logistyce. W ramach inicjatywy smartWhales, GSTS stworzył nowatorski system wykrywania i monitorowania wielorybów, aby pomóc w zrozumieniu wpływu na środowisko, a co ważniejsze, aby ułatwić operatorom statków i portom podejmowanie działań w ramach ich codziennej działalności w celu ochrony dzikiej przyrody morskiej.
Źródła danych od różnych dostawców usług satelitarnych mogą być wykorzystywane do sprawdzania i wykrywania wielorybów, jeśli występują one na powierzchni oceanu lub tuż pod nią. Inteligentne zadania oparte na modelach jakości siedlisk i ruchu statków mogą zoptymalizować pozyskiwanie odpowiednich zdjęć satelitarnych. Zdjęcia te są automatycznie wprowadzane do OCIANATM i przetwarzane do postaci odpowiedniej dla modeli wykrywania obiektów. Dzięki integracji kilku kluczowych źródeł danych z modelami opartymi na sztucznej inteligencji i OCIANATM, morską platformą sztucznej inteligencji GSTS, operatorzy statków i inne zainteresowane strony mogą podejmować działania w celu ograniczenia ryzyka dla wieloryba północnoatlantyckiego (NARW).
Opracowano kilka dodatkowych możliwości, w tym wdrożenie dynamicznego modelu ryzyka wieloryba, który obejmował dane środowiskowe dotyczące przewidywanej lokalizacji i obfitości jego głównego źródła pożywienia (widłonogi z rodzaju Calanus, gatunek zooplanktonu). W przypadku wykryć, które miały miejsce, GSTS wykorzystał narzędzia do przewidywania ścieżki statku w celu poszukiwania potencjalnego ryzyka kolizji. Takie dane mogą pomóc zapewnić bezprecedensową inteligencję marynarzom i nawigatorom działającym w siedlisku NARW. Dane te są wykorzystywane przez OCIANATM do dostarczania dynamicznych danych dotyczących trasy i prędkości, które mają być zalecane dla statków, umożliwiając optymalizację czasu przybycia do miejsca postoju przy jednoczesnej ochronie zagrożonych gatunków morskich.
Fluvial Systems Research (FSR) opracował algorytm akwizycji satelitarnej i wykrywania prawych wielorybów (SARDA) przy użyciu algorytmów wykrywania na zdjęciach satelitarnych optycznych i radarowych z syntetyczną aperturą (SAR) w celu wykrycia i identyfikacji NARW i jego potencjalnych obszarów żerowania. Na tych obszarach występuje nagromadzenie materiałów organicznych, takich jak zooplankton (ofiara NARW), co czyni je odpowiednimi żerowiskami dla tych wielorybów.
Optyczne obrazy obejmują wykorzystanie światła słonecznego, podobnie jak fotografia, do uchwycenia widocznych obiektów, podczas gdy obrazy SAR, szczególnie z RCM, są najczęściej wykorzystywane do dostarczania informacji o chropowatości powierzchni Ziemi i oceanu.
FSR przeprowadził pierwszą demonstrację, że optyczne zdjęcia satelitarne mogą być wykorzystane do wykrycia i potwierdzenia NARW na poziomie gatunku i identyfikacji konkretnego osobnika. Dla przykładu, na poniższym zdjęciu biolog na pokładzie statku wykonał zdjęcie wieloryba o imieniu Halo. Dokładnie w tym samym czasie zespół FSR wykonał 30-centymetrowe zdjęcie satelitarne WorldView-3 samolotu i wieloryba. Na obu zdjęciach widoczne są białe blizny wzdłuż przedniej krawędzi lewej płetwy wieloryba Halo i jej ciągłe modzele na głowie.
Północnoatlantycki prawy wieloryb "Halo" zaobserwowany 24 kwietnia 2021 r. na (a) zdjęciu lotniczym; oraz (b) zdjęciu satelitarnym WorldView-3. Na zdjęciach satelitarnych widoczne są białe blizny wzdłuż przedniej krawędzi lewej płetwy Halo i jej ciągłe modzele na głowie. Samolot badawczy, Cessna Skymaster 337 z charakterystycznym podwójnym ogonem, można również zobaczyć na północny zachód od wieloryba. Dane dostarczone przez program North Atlantic Right Whale w ramach projektów Centrum Studiów Przybrzeżnych finansowanych przez Massachusetts Division of Marine Fisheries w ramach grantu NOAA. Dane zostały zebrane na podstawie zezwolenia federalnego NOAA nr 25740-01. ? 2022 Maxar Technologies.
FSR wykazał również, że obszary żerowania NARW mogą charakteryzować się obecnością oleistych plam pochodzenia biologicznego. Tworzą one cienką warstwę wystarczającą do stłumienia chropowatości powierzchni oceanu. Można je również zobaczyć jako ciemne włókna na obrazach SAR. Ustalono korelację między wykrywaniem obrazów SAR a zarejestrowanymi lokalizacjami statku badawczego w Zatoce Cape Cod i Zatoce Świętego Wawrzyńca, wraz z obserwacjami widzialnego obrazowania dronów nad obszarami akwizycji RCM.
Znalezienie zagrożonych wielorybów, takich jak NARW, na dużych obszarach, takich jak Zatoka Świętego Wawrzyńca, pomaga chronić je przed linami rybackimi i statkami. Jednak regularne monitorowanie tych dużych obszarów może stanowić wyzwanie. Satelity wykonują szczegółowe zdjęcia dużych obszarów, ale przeglądanie ich w celu znalezienia widocznych wielorybów może zająć dni lub tygodnie.
Hatfield i jego partnerzy stworzyli system, który wykorzystuje sztuczną inteligencję do automatycznego i szybkiego znajdowania potencjalnych wielorybów na zdjęciach satelitarnych. Ten kosmiczny system wykrywania (SBDS) pokazuje tylko te części dużych zdjęć satelitarnych, na których znaleziono potencjalne wieloryby, zmniejszając obszar, który należy sprawdzić o 98%. W teście przeprowadzonym w 2023 r. na dużym obszarze 2000 km2 system SBDS Hatfielda znalazł 75% wielorybów na zdjęciach satelitarnych. Co ważniejsze, był w stanie to zrobić w ciągu zaledwie kilku godzin, w porównaniu do wielu dni potrzebnych człowiekowi bez systemu.
SBDS zapisuje lokalizacje wielorybów i wyświetla je na interaktywnej mapie. Potrafi również znaleźć wieloryby w różnych warunkach wodnych i lokalizacjach na świecie, a nawet znalazł pierwszy prawdopodobny NARW w Zatoce Świętego Wawrzyńca, jaki kiedykolwiek widziano na zdjęciu satelitarnym.
WSP Canada, DHI Water & Environment Inc. i ich partnerzy opracowali internetowy system wspomagania decyzji (DSS) umożliwiający prognozowanie odpowiednich siedlisk wielorybów i przewidywanie ich ruchów w Zatoce Świętego Wawrzyńca do 3 dni w przyszłości. DSS ma możliwość łączenia 12-godzinnych prognoz ruchu statków komercyjnych i wyznaczania obszarów połowów kraba śnieżnego, co pozwala - jako pierwsze - przewidywać i zapobiegać potencjalnym kolizjom wielorybów ze statkami i ryzyku zaplątania się w narzędzia połowowe.
Ta mapa regionów Zatoki Świętego Wawrzyńca i Maritimes ilustruje prawdopodobieństwo obecności NARW i ryzyko kolizji statków. Łączy ona dane dotyczące trajektorii statków (system automatycznej identyfikacji statków), dane satelitarne dotyczące zmiennych środowiskowych oraz obserwacje wielorybów z samolotów lub zgłoszone przez wolontariuszy. Legenda: czerwony = ryzyko kolizji między statkami a NARW, żółty = wysokie ryzyko znalezienia NARW, niebieski = potencjalne ryzyko znalezienia NARW. (Źródło: ESRI World Imagery)
Narzędzie internetowe DSS opiera się na modelach akademickich i komercyjnych, w tym na cechach hydrodynamicznych i ekologicznych, takich jak prądy oceaniczne, temperatura i ładunek składników odżywczych w oceanie, wraz z dokładnymi trajektoriami statków. Modele DSS grupy WSP mogą być potencjalnie zintegrowane z przyszłymi prognozami i pomóc w rozwoju przyszłych postępów w dziedzinie nauki o ochronie przyrody.
Dziękujemy, że przeczytałaś/eś artykuł! Obserwuj nas w Wiadomościach Google.
