随着全球珊瑚礁的迅速衰退，夏威夷大学马诺阿分校的研究人员开创了一种基于人工智能的勘测工具，可以从天空监测珊瑚礁的健康状况。
利用由NVIDIA GPU提供动力的深度学习模型和高分辨率卫星图像，研究人员开发出一种新的方法，可以发现和追踪珊瑚礁光环——围绕珊瑚礁的一圈贫瘠沙地。
这项研究最近发表在《遥感环境》杂志上，可能为实时珊瑚礁监测和全球保护工作带来转机。
“珊瑚礁光环可能是生态系统健康的潜在指标，”夏威夷大学的博士后研究员阿梅利亚·迈尔说道，她也是这项研究的合著者。“这些光环模式可以从太空中看到，为科学家和保护人士提供了观察广阔而遥远地区的独特机会。借助人工智能，我们可以定期评估光环的存在和大小，以确定生态系统的健康状况。”
明晰海洋：揭示珊瑚礁健康
根据研究人员最近的发现，以前认为仅由鱼类觅食造成的珊瑚礁光环也可以指示一个健康的捕食者-被捕食者生态系统。一些食草鱼类在保护珊瑚礁周边的海藻或海草上觅食，而捕食者则在海底挖掘寄生无脊椎动物，使周围的沙地裸露。
这些动态表明该区域为维持多样化的海洋生物种群提供了丰富的食物资源。当光环的形状发生变化时，表明海洋食物链存在失衡，可能指示一个不健康的珊瑚礁环境。
身陷困境
虽然珊瑚礁在海洋中仅占不到1%，但它们为超过100万种水生物种提供了栖息地、食物和育种场所。这也具有巨大的商业价值——每年约有3750亿美元的商业捕捞、旅游和沿海风暴保护，以及为药物研发研究提供抗病毒化合物。
然而，过度捕捞、养分污染和海洋酸化威胁着珊瑚礁的健康。加剧的气候变化以及来自变暖海洋的热应激也会加剧珊瑚白化和传染病的发生。
全球超过一半的珊瑚礁已经消失或严重受损，科学家预测到2050年所有的珊瑚礁都将面临威胁，其中很多处于危险之中。
借助人工智能开创新的视野
发现珊瑚礁光环的变化对于全球保护工作至关重要。然而，追踪这些变化是一项耗时且需要大量人力的任务，限制了研究人员每年进行的勘测数量。偏远地区珊瑚礁的可及性也带来了挑战。
研究人员创建了一个人工智能工具，可以从全球卫星图像中识别和测量珊瑚礁光环，使保护人士有机会主动应对珊瑚礁退化问题。
他们使用Planet SkySat图像，开发了一个双模型框架，采用了两种类型的卷积神经网络（CNNs）。依靠图像分割的计算机视觉方法，他们训练了一个Mask R-CNN模型，逐像素检测珊瑚礁和光环的边缘。一个U-Net模型则被训练用于区分珊瑚礁和光环的区域，并进行分类和预测。
团队使用TensorFlow、Keras和PyTorch库对珊瑚礁模型进行了数千个注释的训练和测试。
为了应对任务的大量计算需求，CNNs在一台NVIDIA RTX A6000 GPU上运行，借助cuDNN加速的PyTorch框架。研究人员通过NVIDIA学术硬件赠款计划获得了A6000 GPU。
这个人工智能工具可以在大约两分钟内快速识别和测量100平方公里范围内约300个光环。同样的任务需要一个人类标注员大约10个小时。该模型在不同位置可以达到约90%的准确率，并且能够处理各种复杂的光环模式。
“我们的研究是首次在珊瑚礁光环模式上训练人工智能，而不是常见的猫狗图像等图像数据集，”迈尔说。“处理成千上万的图像可能需要很长时间，但使用NVIDIA GPU显著加快了这个过程。”
一个挑战是图像分辨率可能限制了模型的准确性。低分辨率的粗略图像使得识别珊瑚礁和光环边界变得困难，并且预测结果不够准确。
加强环境监测
“我们的长期目标是将我们的研究成果转化为一种强大的监测工具，用于评估光环尺寸的变化，并将其与该地区的捕食者和食草动物的种群动态进行关联，”梅尔说。
通过这种新方法，研究人员正在探索物种组成、礁石健康状况与光环的关系。目前，他们正在研究鲨鱼和光环之间的关联。如果他们假设的捕食者-猎物-光环的相互作用得到验证，团队预计可以从太空中估计鲨鱼的数量。