يستخدم الباحثون صور الأقمار الصناعية والذكاء الاصطناعي لرسم خريطة للنشاط البشري في البحر بشكل أكثر دقة من أي وقت مضى. كشف العمل عن مجموعة من الأنشطة الصناعية غير المعروفة سابقًا، بدءًا من عمليات صيد الأسماك المشكوك فيها وحتى الانفجار الكبير في تطوير الطاقة البحرية.
يتم نشر الخرائط اليوم في مجلة الطبيعة. تظهر الأبحاث التي أجرتها منظمة Global Fishing Watch، وهي منظمة غير ربحية تدعمها جوجل، أن ما يصل إلى ثلاثة أرباع سفن الصيد الصناعية في العالم لا يتم تعقبها علنًا. كما أن ما يصل إلى 30% من سفن الشحن والطاقة لا يتم تتبعها علنًا.
ويقول الباحثون إن هذه النقاط العمياء يمكن أن تعيق جهود الحفاظ على البيئة في جميع أنحاء العالم. ومن أجل حماية محيطات العالم ومصايد الأسماك بشكل أفضل، يحتاج صناع السياسات إلى فهم أكثر دقة للأماكن التي يستغل فيها الناس الموارد البحرية.
وفقا لإطار كونمينج-مونتريال العالمي للتنوع البيولوجي الذي تم تبنيه في العام الماضي، اتفقت جميع دول العالم تقريبا على هدف مشترك يتمثل في حماية 30٪ من مساحات الأراضي والمياه على الأرض بحلول عام 2030. والسؤال إذن هو أي 30٪ يجب أن نحميها؟ وقال ديفيد كرودسما، المؤلف المشارك لورقة Nature ومدير البحث والابتكار في Global Fisheries Watch: "بدون هذه الخريطة، لا يمكنك مناقشة مكان أنشطة الصيد، وأين توجد منصات النفط".
حتى الآن، اعتمدت منظمة Global Fisheries Watch وغيرها من المنظمات في المقام الأول على أنظمة تحديد الهوية البحرية التلقائية (AIS) لفهم ما يحدث في البحر. ويمكن للنظام تتبع السفن التي تحمل صناديق إرسال راديو، وقد تم استخدام البيانات في الماضي لتوثيق الصيد الجائر والعمل القسري على متن السفن. ومع ذلك، فإن النظام لديه قيود كبيرة. تختلف متطلبات حمل AIS حسب البلد ونوع السفينة. وعندما يريد شخص ما تجنب اكتشافه أو التجول في مكان ما بإشارة ضعيفة، فيمكنه بسهولة إيقاف تشغيل الصندوق.
ولملء الفجوات، قام كرودسما وزملاؤه بتحليل 2000 تيرابايت من الصور التي قدمتها كوكبة الأقمار الصناعية Sentinel-1 التابعة لوكالة الفضاء الأوروبية. يستخدم Sentinel-1 أدوات رادارية متقدمة لمراقبة سطح الأرض بدلاً من التقاط الصور البصرية التقليدية (مثل التقاط الصور بالكاميرا). يستطيع الرادار اختراق السحب و"الرؤية" في الظلام - ويمكنه اكتشاف النشاط البحري الذي لا يرصده نظام التعرف الآلي.
نظرًا لأن 2000 تيرابايت من البيانات كبيرة جدًا، فقد طور الباحثون ثلاثة نماذج للتعلم العميق لتصنيف كل سفينة تم اكتشافها، وتقدير حجمها، وتصنيف أنواع مختلفة من البنية التحتية البحرية. وقاموا برصد نحو 15% من محيطات العالم، حيث يتم 75% من النشاط الصناعي، ونظروا في تحركات السفن وتطور الهياكل البحرية الثابتة مثل منصات النفط وتوربينات الرياح بين عامي 2017 و2021.
انخفض نشاط صيد الأسماك في بداية جائحة كوفيد-19 في عام 2020، لكنهم وجدوا حركة مكثفة للسفن في مناطق نظام التتبع العام التي "لم يكن بها نشاط كبير للسفن في السابق"، خاصة في جنوب وجنوب شرق آسيا وعلى طول السواحل الشمالية والغربية لأفريقيا.
تظهر البيانات أيضًا طفرة في تطوير الطاقة البحرية. وبحلول نهاية عام 2020، سيكون عدد توربينات الرياح أكبر من عدد الهياكل النفطية. وبحلول العام التالي، شكلت التوربينات 48% من إجمالي البنية التحتية البحرية، في حين شكلت الهياكل النفطية 38%.
تتم جميع عمليات تطوير طاقة الرياح البحرية تقريبًا قبالة سواحل شمال أوروبا والصين. وفي شمال شرق الولايات المتحدة، حاول معارضو الطاقة النظيفة الربط بشكل خاطئ بين نفوق الحيتان وتطور طاقة الرياح البحرية القادمة، على الرغم من الأدلة التي تشير إلى أن اصطدام السفن هو المشكلة.
عدد السفن المحيطة بالمنشآت النفطية أكبر من عدد توربينات الرياح. تُستخدم الناقلات أحيانًا لنقل النفط إلى الشاطئ كبديل لخطوط الأنابيب. وعلى مدى السنوات الخمس التي تمت دراستها، ارتفع عدد المنشآت النفطية بنسبة 16%. بحلول عام 2021، سيتسبب تطوير النفط البحري في زيادة حركة السفن العالمية بمقدار خمسة أضعاف عن توربينات الرياح. وقال كلوزما: "إن الحجم الفعلي لحركة السفن الناجمة عن توربينات الرياح حول العالم ضئيل مقارنة بحركة المرور الأخرى".
على خريطة العالم، تشير الدوائر الزرقاء إلى موقع البنية التحتية لطاقة الرياح البحرية، خاصة في أوروبا والصين. تشير الدائرة الصفراء إلى موقع منصة النفط. تشير الدوائر الأرجوانية إلى موقع "المباني الأخرى".
وعندما سئل عما إذا كان مثل هذا البحث ممكنا بدون الذكاء الاصطناعي، "الإجابة المختصرة هي لا، لا أعتقد ذلك"، قال فرناندو باولو، المؤلف الرئيسي للدراسة ومهندس التعلم الآلي في Global Fisheries Watch. "التعلم العميق جيد في اكتشاف الأنماط بكميات هائلة من البيانات."
مقال آخر نُشر اليوم في مجلة Nature يستعرض بحث باولو وكرودسما، قائلًا إن أداة التعلم الآلي الجديدة، باعتبارها برنامجًا مفتوح المصدر لمعالجة صور الأقمار الصناعية العالمية، "تعمل على إضفاء الطابع الديمقراطي على الوصول إلى البيانات والأدوات، مما يسمح للباحثين والمحللين وصانعي السياسات في البلدان منخفضة الدخل بالاستفادة من تكنولوجيا التتبع بتكلفة منخفضة." كتب المقال كونستانتين كليمر، باحث ما بعد الدكتوراه في مايكروسوفت، وإستير رولف، الأستاذة المساعدة في جامعة كولورادو بولدر.
وتوفر هذه التطورات التكنولوجية أساسا مهما لتوثيق التغيرات السريعة في النشاط البحري في وقت حرج حيث تحاول البلدان وقف تغير المناخ وحماية التنوع البيولوجي قبل فوات الأوان. وقال كروزما: "السبب في أهمية هذا الأمر هو أن [البحر] أصبح أكثر ازدحامًا، واستخدامًا متزايدًا، وفجأة عليك أن تقرر كيفية إدارة هذه المشاعات العالمية الضخمة. لا يمكن أن يكون الغرب المتوحش. هذه هي الطريقة التي كان بها الأمر تاريخيًا".