卫星图像分析显示出黑色渔业的巨大规模

AI7号2024-01-111762

Chat中文版

卫星图像和机器学习为海洋产业提供了一种新的、更加详细的观察方式,特别是对海上渔船和运输船的数量和活动情况。结果显示,它们的数量比公开可得的数据所示要多得多,这是政策制定者应该注意的事实。

作为一个共享的全球资源,海洋事关每个人的利益,然而并不是每个国家或地区都拥有相同的习俗、法律甚至动机。

全球范围内越来越多地采用船载无线电式识别系统(AIS)来精确追踪活动,然而它在应用上并不普及。因此,重要的数据如何在一个区域内有多少渔船,由谁操作它们以及它们捕捞了多少鱼常常不清楚,只有一些局部、专有或政府批准的数字片段。

这不仅使政策决策变得困难和模糊,而且在这个行业中存在一种无序感,无数船只秘密进入限制或保护水域,或者超出安全捕捞数量,迅速耗尽渔源。

卫星图像为这个难题提供了新的视角:你无法躲避天空中的眼睛。但是这个行业的规模和相关图像都非常庞大。幸运的是,机器学习可以进行数百万次船只辨识和追踪操作,以准确追踪海上任何时刻的数以万计的船只。

在一篇发表于《自然》杂志上的论文中,费尔南多·保罗、大卫·克鲁兹马及其在全球渔业观察(与多所大学合作)的团队分析了2017年至2021年间的两个拍字节轨道图像,识别了海上数百万艘船只,并将其与通过自动识别系统(AIS)追踪的船只的报告和已知坐标进行了交叉参考。

研究记录表明,大约四分之三的工业捕鱼船只没有公开追踪,同样近三分之一的交通和能源船只也没有公开追踪。黑暗捕鱼行业非常庞大 - 可能比公开记录的行业还要大一倍。(这些影像还包括了风力发电机和其他可再生能源设施的增加,这些设施同样难以追踪。)

现在,“不公开追踪”并不意味着完全不纳入账目。

保罗向TechCrunch解释道:“这些船只为何消失于公共跟踪系统中有几个原因。”例如,较小的船只和在卫星覆盖范围较小或无AIS基础设施的地区运营的船只被视为“未被跟踪”,同样还有故意关闭其发射器或以其他方式避免被探测到的船只。

他继续说道:“需要注意的是,一些国家在其领海内使用其他(专有)手段来追踪船只。但这些专有系统仅限于他们能够追踪的船只,并且这些信息不与其他国家共享。”

随着人口增长和海洋温暖化,越来越重要的是要让这样的数据在国家边界和内部机构之外得到普及。

“鱼类是一种重要的活动资源,会四处移动,因此公开追踪渔船对于监测渔业资源至关重要。如果没有所有渔船公开广播其位置和活动,很难理解和绘制船只的完整生态足迹。”Paolo说道。

Chat中文版

您可以从可视化图表中看到,冰岛和北欧地区的追踪水平最高,而东南亚地区则最低,甚至在孟加拉国、印度和缅甸沿海几乎为零。

正如前面提到的,这并不意味着它们全部都是非法的,只是它们的活动并没有按照北欧法律要求进行共享。这些地区捕鱼量有多大?全球社区只能听说一二手消息,研究发现之一是亚洲捕捞业在系统上被低估了。

如果你根据AIS数据进行统计,你会发现大约36%的捕鱼活动发生在欧洲水域,44%发生在亚洲水域。但是卫星数据完全反驳了这一点,显示只有10%的渔船在欧洲水域,惊人的71%在亚洲水域。事实上,仅中国似乎就贡献了全球捕鱼量的约30%!

Chat中文版

这并不是要指责或责怪这些国家或地区,只是简单地指出我们对全球渔业规模的理解完全错误。如果我们没有可靠的信息来制定政策和科学依据,那么两者都将出现根本性的缺陷。

话虽如此,卫星分析还显示了像加拉帕戈斯群岛这样受保护的区域中经常出现的渔船,这在国际法律中严格禁止。可以肯定那些黑暗的船只受到了额外的关注。

“下一步是与不同地区的有关部门合作,评估这些新的地图。在某些情况下,我们可能发现了一些在海洋保护区或限制区域内进行渔业活动的情况,这将需要进一步调查和保护,”Paolo说道。

他希望改进的数据能够帮助制定政策,但目前数据的收集和分析工作还远未完成。

他说:“这只是我们开放数据平台的第一个版本,我们正在处理来自Sentinel-1卫星收集的新雷达图像,并确定全球范围内的活动。用户可以在我们的网站globalfishingwatch.org上查看和访问这些数据,数据的更新截止到三天前。”

这个非营利组织得到了许多慈善机构和个人的支持,您可以在这里找到列出的名单。

推荐阅读

英特尔成立了一家全新的面向企业的GenAI软件公司

2024-01-112491
Chat中文版

微软希望在你的电脑键盘上增加一个副驾驶按键

2024-01-112258
Chat中文版

由AI驱动的搜索引擎Perplexity AI,目前估值为5.2亿美元,获得7360万美元的融资

2024-01-111568
Chat中文版

OpenAI的应用商店将于下周开放

2024-01-112323
Chat中文版

谷歌概述了使用视频和大型语言模型来训练机器人的新方法

2024-01-11828
Chat中文版