Keď sa škodlivé riasové kvety začnú šíriť v pobrežných vodách, rozhodujú hodiny aj presnosť. NASA teraz predstavila nástroj umelej inteligencie, ktorý má pomôcť tento problém zachytiť skôr a spoľahlivejšie, než sa naplno rozvinie. Podľa štúdie uverejnenej v časopise AGU Earth and Space Science dokázal systém spojiť údaje z viacerých satelitov a rozpoznať škodlivé kvety rias vo vodách západnej Floridy aj južnej Kalifornie.
Snímka zobrazuje: NASA-developed AI Could Help Track Harmful Algae.
Význam takéhoto nástroja je praktický aj ekonomický. Silné premnoženia rias môžu ohrozovať zdravie ľudí, poškodzovať morské živočíchy a prinášať pobrežným ekonomikám v Spojených štátoch straty v hodnote desiatok miliónov dolárov ročne. V niektorých oblastiach Floridy, napríklad v Tampa Bay a Sarasota, sa s týmto problémom zápasia už desaťročia. Na západnom pobreží zasa kvety druhu Pseudo-nitzschia v posledných rokoch otrávili stovky delfínov, kalifornských uškatcov a ďalších morských živočíchov.
Toxíny z rias sa navyše môžu dostať aj do ovzdušia a spôsobiť dýchacie ťažkosti u ľudí. Preto zdravotnícke úrady pravidelne testujú vodu a podľa potreby vydávajú varovania alebo uzatvárajú pláže. NOAA spolu so štátmi a miestnymi partnermi pripravuje aj predpovede škodlivých riasových kvetov, podobne ako sa sleduje počasie počas sezóny ich výskytu.
Prečo je sledovanie rias také náročné
Problém nie je len v tom, že sa kvety rias objavia.
Snímka zobrazuje: Satellite view of the eastern United States from space during autumn, showing the curve of the Earth, changing leaf colors across the Appalachian.
Ťažké je najmä zistiť, kde presne ich treba hľadať. Terénne testovanie znamená hodiny na lodi, odber vzoriek vody, ich prevoz do laboratória a čakanie na výsledky, čo môže trvať deň aj viac. Navyše, ak sa bloom ešte len začína šíriť, nie je jednoduché vopred určiť správne miesto odberu.
Práve tu majú výhodu satelity. NASA už dnes sleduje škodlivé riasové kvety z obežnej dráhy a využíva pri tom globálny pohľad, ktorý z hladiny mora nie je možné získať. Nový nástroj umelej inteligencie má tieto údaje prepojiť a pomôcť určiť, kam nasmerovať pozornosť ako prvé.
Každý z nich zachytáva iný typ signálu. Hyperspektrálny senzor na palube PACE dokáže rozlišovať algálne spoločenstvá podľa veľkosti, tvaru a pigmentov. TROPOMI zasa zachytáva slabú červenú žiaru, ktorú pri fotosyntéze vyžarujú niektoré druhy, napríklad Karenia brevis.
Výzvou bolo množstvo surových dát. Vedci potrebovali systém, ktorý by sa vedel učiť z rôznych zdrojov naraz a zároveň rozlíšiť napríklad otvorené hlboké vody od pobrežia alebo rozpoznať bloom naprieč odlišnými dátovými prúdmi. Tím preto vyvinul self-supervised machine learning systém, teda model, ktorý sa učí vzory z viacerých typov satelitných dát a porovnáva ich s terénnymi pozorovaniami bez toho, aby bolo potrebné všetko vopred ručne označiť.
Model trénovali na satelitných dátach z rokov 2018 a 2019. Následne jeho výsledky porovnali s meraniami z terénu a laboratória, ktoré dodali reálny kontext k tomu, čo systém rozpoznával. Overovanie prebiehalo aj na neskorších časových obdobiach v tých istých oblastiach.
Čo ukázali prvé výsledky
Prvé výsledky naznačujú, že nástroj dokáže správne identifikovať a mapovať škodlivé kvety, vrátane konkrétnych druhov ako K.
Snímka zobrazuje: NASA-developed AI Could Help Track Harmful Algae.
brevis. Podľa autorov si viedol dobre aj v zložitých pobrežných vodách, kde obraz komplikujú sedimenty, rastliny a odtok z pevniny.
To je dôležité najmä preto, že práve pobrežné oblasti bývajú pre satelitnú analýzu najnáročnejšie. Voda sa tam mení rýchlo a signál z rias sa mieša s ďalšími prírodnými vplyvmi. Ak sa však podarí tieto vrstvy údajov spoľahlivo prepojiť, môže to urýchliť rozhodovanie v teréne.
Prečo na tom záleží pre vedu aj prax
NASA opisuje takýto prístup ako spôsob, ako z masívnych tokov satelitných dát vytvárať použiteľné informácie pre oceánsku prax.
Snímka zobrazuje: NASA-developed AI Could Help Track Harmful Algae.
V širšom zmysle ide o to, aby sa z pozorovania Zeme stala rýchlejšia a presnejšia podpora pre ľudí, ktorí rozhodujú o testovaní vôd, varovaniach či obmedzeniach prístupu na pláže.
Michelle Gierach z NASA Jet Propulsion Laboratory uviedla, že takýto nástroj môže pomôcť určiť, kde a kedy odoberať vzorky vody, keď sa bloom začína rozvíjať. Zároveň môže podporiť spoluprácu medzi špecialistami a priniesť nové spôsoby, ako robiť vedu aj rozhodovacie produkty pre prax.
Čo nasleduje ďalej
Tím teraz nástroj ďalej zdokonaľuje s väčším množstvom dát z ďalších pobreží a rozširuje testovanie aj na iné typy vôd vrátane jazier.
Snímka zobrazuje: NASA-developed AI Could Help Track Harmful Algae.
Cieľom je sprístupniť systém rozhodovacím orgánom v najbližších rokoch.
Podľa Kelly Luis z NASA JPL je zámerom prepojiť technológie tak, aby lepšie slúžili používateľom od akvakultúry po cestovný ruch. V praxi to znamená, že podobné nástroje by sa v budúcnosti mohli stať súčasťou širšieho systému včasného varovania. Zatiaľ však ide o vývoj a testovanie, nie o hotové riešenie pre všetky pobrežia a všetky typy vôd.
Na poskytovanie tých najlepších skúseností používame technológie, ako sú súbory cookie na ukladanie a/alebo prístup k informáciám o zariadení. Súhlas s týmito technológiami nám umožní spracovávať údaje, ako je správanie pri prehliadaní alebo jedinečné ID na tejto stránke. Nesúhlas alebo odvolanie súhlasu môže nepriaznivo ovplyvniť určité vlastnosti a funkcie.
Funkčné
Vždy aktívny
Technické uloženie alebo prístup sú nevyhnutne potrebné na legitímny účel umožnenia použitia konkrétnej služby, ktorú si účastník alebo používateľ výslovne vyžiadal, alebo na jediný účel vykonania prenosu komunikácie cez elektronickú komunikačnú sieť.
Predvoľby
Technické uloženie alebo prístup je potrebný na legitímny účel ukladania preferencií, ktoré si účastník alebo používateľ nepožaduje.
Štatistiky
Technické úložisko alebo prístup, ktorý sa používa výlučne na štatistické účely.Technické úložisko alebo prístup, ktorý sa používa výlučne na anonymné štatistické účely. Bez predvolania, dobrovoľného plnenia zo strany vášho poskytovateľa internetových služieb alebo dodatočných záznamov od tretej strany, informácie uložené alebo získané len na tento účel sa zvyčajne nedajú použiť na vašu identifikáciu.
Marketing
Technické úložisko alebo prístup sú potrebné na vytvorenie používateľských profilov na odosielanie reklamy alebo sledovanie používateľa na webovej stránke alebo na viacerých webových stránkach na podobné marketingové účely.
