Во многих вечерах во время весенней и осенней миграции десятки миллионов птиц взлетают на закате и пролетают над нашими головами, невидимые в ночном небе. Хотя эти полеты десятилетиями регистрировались сетью постоянно сканирующих метеорологических радаров Национальной метеорологической службы, до недавнего времени эти данные были в основном недоступны для исследователей птиц.
Это потому, что огромный объем информации и отсутствие инструментов для ее анализа сделали возможными лишь ограниченные исследования, говорит исследователь искусственного интеллекта (ИИ) Дэн Шелдон из Массачусетского университета в Амхерсте.
Орнитологи и экологи, у которых было время и опыт для анализа отдельных радиолокационных изображений, могли четко видеть закономерности, которые позволяли им отличать осадки от птиц и изучать миграцию, добавляет он. Но огромный объем информации - более 200 миллионов изображений и сотни терабайт данных - значительно ограничивал их возможности по выборке достаточного количества ночей, в течение достаточного количества лет и в достаточном количестве мест, чтобы быть полезными для характеристики, не говоря уже об отслеживании, сезонных явлений на всем континенте. миграции, объясняет он.
Очевидно, что система машинного обучения была необходима, отмечает Шелдон, «чтобы убрать дождь и сохранить птиц».
Теперь, вместе с коллегами из Корнельской лаборатории орнитологии и другими, старшие авторы Шелдон и Субхрансу Маджи и ведущий автор Цунг-Ю Лин из Колледжа информации и компьютерных наук Массачусетского технологического университета представляют свой новый инструмент «MistNet. По словам Шелдона, это «новейшая и лучшая технология машинного обучения» для извлечения данных о птицах из записей радара и использования сокровищницы информации о миграции птиц в многолетних архивах данных радаров. Название инструмента относится к тонкие, почти невидимые «туманные сети», которые орнитологи используют для ловли перелетных певчих птиц.
MistNet может «автоматизировать обработку огромного набора данных, в котором измерялась миграция птиц над континентальной частью США на протяжении более двух десятилетий», - говорит Шелдон. «Это действительно важное достижение. Наши результаты превосходны по сравнению с результатами, полученными людьми, работающими вручную. Это позволяет нам перейти от ограниченных знаний 20-го века к знаниям и природоохранным мероприятиям 21-го века». Он и его соавторы отмечают: «Глубокое обучение произвело революцию в способности компьютеров имитировать людей при решении аналогичных задач распознавания изображений, видео и аудио».
Для этой работы, частично поддерживаемой грантом Национального научного фонда Шелдону для разработки и тестирования новых математических подходов и алгоритмов для таких приложений, команда провела крупномасштабную проверку MistNet и конкурирующих подходов с использованием двух оценочных данных. наборы. В их новой статье также представлены несколько тематических исследований, иллюстрирующих сильные стороны и гибкость MistNet. Подробности опубликованы в текущем выпуске журнала Methods in Ecology and Evolution.
Авторы отмечают, что MistNet основана на нейронных сетях для изображений и включает в себя несколько компонентов архитектуры, адаптированных к уникальным характеристикам радиолокационных данных. Они добавляют, что радарная орнитология быстро развивается и приводит к значительным открытиям в отношении закономерностей перемещения птиц в масштабе континента.
Команда сделала карты того, где и когда происходила миграция за последние 24 года, и анимировала их, чтобы проиллюстрировать, например, «наиболее интенсивные районы миграции в континентальной части Соединенных Штатов», - объясняет Шелдон, - коридор примерно вдоль и к западу от реки Миссисипи. MistNet также позволяет исследователям оценивать скорость полета и интенсивность движения перелетных птиц.
MistNet, разработанная для решения одной из «давних проблем в радиолокационной аэроэкологии», отмечают авторы, появилась как раз вовремя, чтобы помочь ученым лучше использовать не только существующие данные метеорадаров, но и «взрыв» Шелдон и его коллеги сообщают, что новые большие наборы данных, созданные проектами гражданской науки, такими как eBird, устройства слежения за животными и инструменты наблюдения за Землей.
«Мы надеемся, что MistNet позволит использовать ряд научных и природоохранных приложений. Например, мы видим, что во многих местах большое количество миграции приходится на несколько ночей сезона», - говорит Шелдон. «Зная это, возможно, мы могли бы помочь птицам, выключив свет в небоскребах в те ночи». Другой вопрос, который интересует орнитологов, - это историческое время или фенология миграции птиц, а также то, изменились ли она и своевременный доступ к пище с изменением климата.