Прогнозная система морского льда на основе искусственного интеллекта может помочь в защите маршрутов миграции карибу в канадской Арктике
Согласно новому исследованию, технология прогнозирования морского льда с использованием искусственного интеллекта (ИИ) может помочь местным службам в защите критических маршрутов миграции карибу, которые пересекают сушу и морской лёд. Исследование проводилось учёными Британской антарктической службы (BAS) в партнёрстве с Институтом Алана Тьюринга, Всемирным фондом дикой природы (WWF) и правительством Нунавут.
Технология может помочь предотвратить нарушение маршрутов миграции карибу судами, которые разбивают лёд, особенно в ключевые моменты миграции. Это обеспечит безопасное перемещение карибу на юг через районы морского льда от летних мест отела.
Исследование, опубликованное в журнале Ecological Solutions and Evidence, объединяет спутниковые наблюдения, GPS-отслеживание, прогнозирование с помощью ИИ и местные знания для создания системы раннего предупреждения о миграции для карибу Дольфайна и Юниона (Rangifer tarandus groenlandicus x pearyi).
Доктор Эллен Боулер, учёный-исследователь машинного обучения в BAS и ведущий автор исследования, объяснила: «История жизни и модели передвижения многих арктических животных неразрывно связаны с морским льдом, который растёт и отступает в зависимости от сезона. Изменение климата приводит к отступлению арктического морского льда и снижению его стабильности, что также означает, что регион становится более доступным для судов. Эта комбинация угроз может иметь фатальные последствия для таких знаковых животных, как карибу».
«Новая методика сочетает наши прогнозы ИИ о морском льду с историческими данными отслеживания карибу, чтобы мы могли предсказать, когда они, вероятно, начнут мигрировать, основываясь на времени формирования морского льда. Это означает, что местные команды могут принимать краткосрочные меры для поддержки миграции, защищая маршруты миграции карибу от судов, разбивающих лёд. Поразительно, что ИИ может привести к таким положительным реальным результатам».
Карибу Дольфайна и Юниона мигрируют дважды в год по сезонному морскому льду, который образуется в водных путях между материковой частью Канады и островом Виктория. Во время этой миграции карибу собираются на берегах острова Виктория каждую осень, ожидая, пока вновь сформируется морской лёд, чтобы мигрировать обратно на юг. Они начинают пересечение, как только образуется достаточно льда, что варьируется ежегодно.
К сожалению, всё больше карибу погибают во время этих пересечений из-за ухудшения качества морского льда и судов, разбивающих лёд, которые создают открытые участки воды, потенциально блокируя важные маршруты миграции. Местные организации изучают, как можно смягчить воздействие судоходства для защиты стада, которое имеет жизненно важное значение для жизни и средств к существованию местных инуитов и инувиалуитов.
Авторы разработали модель, объединяющую данные отслеживания карибу и спутниковые наблюдения за морским льдом, чтобы установить связь между формированием морского льда и временем осенней миграции. ИИ затем прогнозирует, когда будут выполнены условия формирования морского льда, вызывающие осеннюю миграцию, чтобы заранее предупредить о пиковых периодах миграции, которые можно обновлять ежегодно.
Это экологическое исследование основано на существующей модели машинного обучения IceNet, вероятностной модели, которая, как было показано, точно прогнозирует площадь морского льда на срок до трёх месяцев вперёд. IceNet обучен на основе спутниковых наблюдений и превосходит современные традиционные модели, в том числе в сезонных прогнозах летнего морского льда. Разработанный BAS и Институтом Алана Тьюринга, IceNet также будет помогать в навигации исследовательскому судну Британской антарктической службы RRS Sir David Attenborough.
Информация, предоставляемая моделью ИИ, может помочь местным службам принимать более обоснованные и динамичные решения, например, когда и где рекомендовать краткосрочные ограничения на деятельность по разбиванию льда близлежащими судами. Разработка и эксплуатация модели ИИ значительно выигрывают от бесценных местных знаний.