فناوری های جدید تصویربرداری نمای واضح تری از تغییرات صخره های مرجانی ارائه می دهند

ویرایش شده توسط Sadie Harley، بررسی توسط Robert Egan

این مقاله با توجه به روند و سیاست‌های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

از پهپادی که بر فراز امواج پرواز می کند تا دوربینی در فاصله چند اینچی از بستر دریا، محققان دانشگاه میامی در حال تغییر نحوه مشاهده صخره های مرجانی توسط دانشمندان و اندازه گیری تغییراتی هستند که زمانی ثبت آنها دشوار، پرهزینه یا زمان بر بود.

دو مطالعه از دانشگاه میامی Rosenstiel دانشکده دریایی، جوی، و مرکز هواپیمای علوم زمین برای مطالعات زمین (ACES) نشان می دهد که چگونه تصویربرداری پیشرفته و هوش مصنوعی می تواند نماهای گسترده و بسیار دقیق از اکوسیستم های صخره را ارائه دهد. یکی از کل سیستم صخره ها را از هوا در مقیاس کلونی های مرجانی ترسیم می کند. دیگری مرزها و اندازه گیری های مرجانی را از عکس های زیر آب جمع آوری می کند.

هر دو مطالعه در Frontiers in Marine Science ظاهر می شوند.

این فناوری‌ها با هم می‌توانند به دانشمندان و مدیران منابع کمک کنند تا ریزش صخره‌ها را زودتر تشخیص دهند، آسیب‌های پس از طوفان‌ها و رویدادهای سفیدکننده را ارزیابی کنند، پروژه‌های بازسازی را ارزیابی کنند و منابع محدود حفاظتی را به جایی که بیشتر مورد نیاز هستند هدایت کنند.

ود چیرایات، رئیس دانشکده علوم زمین و مدیر ACES مستقر در دپارتمان علوم اقیانوسی در مدرسه روزنستیل، گفت: صخره های مرجانی با سرعتی در حال تغییر هستند که ما را ملزم به جمع آوری و تجزیه و تحلیل اطلاعات بسیار کارآمدتر می کند.

با ترکیب تصویربرداری پیشرفته با هوش مصنوعی، می‌توانیم صخره‌ها را در مناطق بسیار بزرگ‌تر بدون از دست دادن جزئیات دقیق مورد نیاز برای درک اینکه چه اتفاقی برای کلنی‌های مرجانی می‌افتد، بررسی کنیم.

در یک مطالعه، محققان از عدسی مایع هوابرد ناسا و هوش مصنوعی برای ایجاد نقشه های دقیق از بیش از 5 کیلومتر مربع (حدود 2 مایل مربع) زیستگاه صخره های مرجانی در خلیج تومون، گوام استفاده کردند.

Fluid Lensing که توسط Chirayath در زمان حضور در ناسا توسعه یافته و اکنون در ACES پیشرفت کرده است، به یک چالش دیرینه در تصویربرداری از صخره های هوایی می پردازد: سطح اقیانوس دائما در حال حرکت. امواج نوری را که از کف دریا حرکت می‌کند، خم می‌کنند و منحرف می‌کنند و باعث می‌شوند که صخره‌ها در تصاویر هوایی معمولی تار یا جابجا شوند.

این فناوری هزاران تصویر را به‌سرعت ثبت می‌کند و از اثر بزرگ‌نمایی طبیعی امواج برای بازسازی محاسباتی نمایی واضح از صخره استفاده می‌کند. تصاویر به دست آمده، کف دریا را در مقیاس سانتی‌متری، به ویژگی‌هایی به اندازه نیم سانتی‌متر (۰.۲ اینچ)، در آب تا عمق ۲۰ متری (۶۶ فوت) کاهش می‌دهد.

محققان خلیج تومون را در سال 2022 و دوباره در سال 2024 بررسی کردند و به آنها اجازه داد صخره را قبل و بعد از طوفان رده 4 ماور که در ماه می 2023 با بادهایی با سرعت 140 مایل در ساعت (225 کیلومتر در ساعت) گوام را درنوردید، مقایسه کنند.

این نقشه ها کاهش 59 درصدی پوشش مرجانی عظیم و کاهش 35 درصدی در زیستگاه صخره های جلویی مرجانی را نشان داد. جلبک‌هایی که می‌توانند با مرجان‌ها برای فضا رقابت کنند و مانع از بازیابی صخره‌ها شوند، 105 درصد افزایش یافته‌اند.

بر خلاف ارزیابی‌های مرسوم بر اساس تعداد محدودی از مکان‌های غواصی، نقشه‌ها یک رکورد مکان به مکان از تغییرات در کل خلیج ارائه می‌کنند. این سطح از جزئیات می‌تواند به مدیران کمک کند تا مناطقی را که بیشترین تلفات را متحمل شده‌اند شناسایی کنند، بخش‌هایی از صخره‌ها را که زنده مانده‌اند را تعیین کنند و تعیین کنند که بازسازی یا حفاظت اضافی در کجا مؤثرتر است.

Soufyane Bouchelaghem، دانشیار فوق دکتری در ACES و نویسنده اول و مسئول این مطالعه، گفت: «ما یک صخره کامل را به جای نمونه برداری از بخش کوچکی از آن نقشه برداری کردیم، و این کار را با وضوحی انجام دادیم که می تواند کلونی های مرجانی را تشخیص دهد. "تکرار بررسی پس از طوفان ماور، نقشه را به اندازه گیری دقیق آسیب در خلیج تومون تبدیل کرد."

هوش مصنوعی و علوم شهروندی به امکان تحلیل کمک کردند. داوطلبان آموزش دیده و زیست شناسان دریایی با استفاده از بازی ویدئویی NeMO-Net ناسا، حدود 1 درصد از تصاویر 2022 را برچسب گذاری کردند و ویژگی هایی مانند مرجان های شاخه دار، مرجان های عظیم، جلبک ها، شن و ماسه و قلوه سنگ را شناسایی کردند. محققان از این برچسب ها برای آموزش یک مدل یادگیری عمیق استفاده کردند که تصاویر باقی مانده را با دقت 88 درصد طبقه بندی می کرد.

سپس این مدل بدون هیچ گونه آموزش مجدد روی تصاویر 2024 اعمال شد، حتی اگر قبلا با آنها روبرو نشده بود. ترانسکت فوتوکوادرات غواص آزاد در 10 مکان در خلیج اعتبار میدانی مستقلی را ارائه کرد.

در حالی که عدسی سیال نمای هوایی گسترده ای را ارائه می دهد، مطالعه دوم به یک مانع دیگر برای نظارت موثر صخره ها می پردازد: زمان مورد نیاز برای تجزیه و تحلیل بسیاری از عکس های جمع آوری شده در طول بررسی های زیر آب.

دانشمندان به طور سنتی این تصاویر را به صورت دستی بررسی می‌کنند و کلنی‌های مرجانی را ردیابی می‌کنند و درصدی از کف دریا را که مرجان‌های زنده پوشانده شده است محاسبه می‌کنند. پردازش یک مجموعه بزرگ می تواند ماه ها طول بکشد و به تخصص قابل توجهی نیاز دارد و اطلاعاتی را که ممکن است پس از یک رویداد سفید کننده، شیوع بیماری یا طوفان مورد نیاز باشد، به تاخیر می اندازد.

محققان ACES با همکاری دانشمندان مرکز علمی شیلات جزایر اقیانوس آرام NOAA و دانشگاه هاوایی در مانوآ، یک سیستم هوش مصنوعی منبع باز به نام PICOGRAM (پیش‌بینی رشد، استخدام، و مرگ و میر ارگانیسم‌های مرجانی) را توسعه دادند تا بسیاری از کارهای علمی را خودکار کند و در عین حال بازنگری شود.

این پروژه در سطح آمادگی برنامه 8 توسط ناسا ارزیابی شد، رتبه ای که نشان می دهد یک ابزار به جای اینکه یک نمونه اولیه تحقیقاتی باقی بماند، در یک محیط عملیاتی اعتبارسنجی شده است، و NOAA از آن زمان PICOGRAM را در مقیاس عملیاتی آزمایش کرده است.

PICOGRAM مستعمرات مرجانی را شناسایی می کند، مرزهای آنها را ردیابی می کند و پوشش مرجانی را از عکس های استاندارد زیر آب تخمین می زند. PICOGRAM به جای اینکه از دانشمندان بخواهد به صورت دستی هزاران مرجان را برای آموزش سیستم ترسیم کنند، از ماسک های آموزشی تولید شده به طور خودکار بر اساس ویژگی های تصویر مانند رنگ، بافت، لبه ها و زمینه فضایی یاد می گیرد.

این سیستم همچنین به هر نتیجه یک امتیاز اطمینان اختصاص می دهد. دانشمندان می توانند پیش بینی های نامطمئن را بررسی کرده و آنها را از طریق یک رابط تعاملی ساده تصحیح کنند، که به تخصص انسانی اجازه می دهد تا بخشی از فرآیند کنترل کیفیت باقی بماند.

محققان PICOGRAM را با تصاویر زیر آب که از طریق برنامه ملی نظارت بر صخره‌های مرجانی NOAA جمع‌آوری شده بود، آموزش دادند و آن را با استفاده از 137 عکس که به‌طور مستقل توسط اکولوژیست‌های دریایی تجزیه و تحلیل شدند، ارزیابی کردند. تصاویر آزمایشی شامل محیط های مختلف صخره، عمق آب و سطح دید بود.

PICOGRAM 87.5٪ با خطوط مرجانی توسط متخصصان تحت شرایط آشنا و 82.5٪ در سایت های صخره ای که قبلا با آن مواجه نشده بود، به دست آورد. تخمین‌های پوشش مرجانی آن با اندازه‌گیری‌های متخصصان با میانگین اختلاف 1.2 درصد مطابقت داشت. نتایج نامشخص به طور متوسط ​​به کمتر از دو کلیک اصلاحی نیاز دارند تا به توافق 90٪ با حاشیه نویسی های متخصص برسند.

عماد الدین تیبرماسین، دانشیار فوق دکتری در ACES و نویسنده اصلی این مطالعه، گفت: «محققان بیش از آن چیزی که به طور منطقی با دست قابل تجزیه و تحلیل باشد، تصاویر صخره‌ها را جمع‌آوری می‌کنند. PICOGRAM به تبدیل این عکس‌ها به اندازه‌گیری‌های زیست‌محیطی قابل اعتماد کمک می‌کند و در عین حال به دانشمندان اجازه می‌دهد تا به سرعت نتایج را در صورت نیاز بررسی و تصحیح کنند.

این فناوری را می‌توان در برنامه‌های نظارتی موجود که قبلا عکس‌های زیر آب را جمع‌آوری می‌کنند، گنجاند. تصاویر مکرر از همان مکان ها می تواند به دانشمندان کمک کند تا تعیین کنند که آیا پوشش مرجانی در حال افزایش است یا کاهش یافته است و با توسعه بیشتر، رشد، استخدام و مرگ و میر مستعمرات فردی را ردیابی کنند.

این دو رویکرد در مقیاس‌های متفاوتی عمل می‌کنند، اما به یک چالش اساسی پاسخ می‌دهند: تبدیل حجم فزاینده تصاویر صخره‌ها به اطلاعات علمی مفید.

Fluid Lensing می‌تواند تغییرات را در طول کیلومترهای صخره ثبت کند و در عین حال جزئیات در مقیاس سانتی‌متری را حفظ کند. PICOGRAM می‌تواند تصاویر زیر آب را در سطح کلنی بررسی کند و اندازه‌گیری‌های ثابتی را با حداقل مداخله دستی انجام دهد. این فناوری‌ها با استفاده از مشاهدات غواص، داده‌های ماهواره‌ای و سایر سوابق محیطی می‌توانند تصویر کامل‌تری از واکنش صخره‌ها به طوفان‌ها، گرم شدن آب‌ها، بیماری‌ها و تلاش‌های بازسازی ایجاد کنند.

این اطلاعات پیامدهایی فراتر از خود صخره دارد. صخره‌های مرجانی از ماهیگیری و گردشگری حمایت می‌کنند، زیستگاهی برای زندگی دریایی فراهم می‌کنند و به کاهش انرژی امواجی که به خطوط ساحلی آسیب‌پذیر می‌رسد کمک می‌کند.

چیریات گفت: "مشاهدات بهتر منجر به تصمیم گیری های بهتر می شود." "اگر ما بتوانیم تعیین کنیم که مرجان ها کجا رو به زوال هستند، کجا زنده می مانند و آیا بازسازی کار می کند، مدیران می توانند سریعتر پاسخ دهند و از منابع موجود برای محافظت از این اکوسیستم های ضروری آگاهانه تر استفاده کنند."

Soufyane Bouchelaghem و همکاران، نقشه برداری زیستگاه دریایی در مقیاس سانتی متر از کل خلیج تومون، صخره مرجانی گوام با استفاده از لنز سیال هوابرد ناسا و NeMO-Net قبل (2022) و پس از (2024) تایفون ماور، مرزها در علوم دریایی (2026). DOI: 10.3389/fmars.2026.1785978

عماد ادین تیبرماسین و همکاران، پیکوگرام - اطلاع رسانی مدیریت مبتنی بر انعطاف پذیری صخره های مرجانی از طریق پیش بینی رشد ارگانیسم های مرجانی فردی، استخدام و مرگ و میر، مرزها در علوم دریایی (2026). DOI: 10.3389/fmars.2026.1716796

اطلاعات مجله: مرزها در علوم دریایی

کارشناسی علوم زیستی و اکولوژی. پیشینه آزمایشگاه میکروبیولوژی با تجربه اخبار دارویی در صنایع نفت، گاز و تجدیدپذیر. نمایه کامل →

لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →