AI使用气象雷达追踪候鸟

 
每年有数千万只鸟在冬季进行迁徙飞行，通常在夜间飞行。国家气象局的159个地面雷达网络经常发现它们，它们每隔4到10分钟扫描一次天空，发射微波脉冲并测量它们的反射。然而，生态学家在历史上一直在努力利用由此产生的数据集，因为它们的数量巨大，几十年来可以达到数亿个图像和数百TB。
为了减轻工作量，康奈尔大学鸟类学实验室和马萨诸塞大学信息与计算机科学学院的科学家最近研究了一种能够区分雷达图像中的鸟类和降水的人工智能系统。他们说他们的工具，被称为MistNet，在精细网络鸟类学家用来捕捉迁徙鸣禽之后，不仅可以帮助分类任务，还可以用来估计鸟类的飞行速度和交通率。
“这是一个非常重要的进步。与手工工作的人相比，我们的结果非常好，“资深作者Daniel Sheldon在一份声明中表示。 “它使我们能够从有限的20世纪见解转向21世纪的知识和保护行动。 [AI]彻底改变了计算机模仿人类解决图像，视频和音频类似识别任务的能力。“
Sheldon及其同事在一篇发表在“生态学和进化论方法”杂志上的论文(“利用存档的天气雷达数据和卷积神经网络测量美国的历史鸟类迁徙”)中详述了他们的工作。他们说，他们首先开发了一种“适配器”架构来对雷达数据的输入通道进行测量，并考虑到高程的变化。 (与RGB图像不同，雷达数据是在三维极坐标网格上收集的。)在编制训练语料库时，他们通过使用从双极化(即水平和垂直极化)雷达数据获得的噪声标签避免了大量的人类注释工作。 。
经过全面培训的MistNet，研究人员称完全自主，可以为从“大陆尺度”绘图到空域使用分析的应用程序进行细粒度预测。根据美国WSR-88D气象雷达网络的历史和最新数据进行测试时，确定所有生物量的准确率至少达到95.9%，并且该团队使用它来制作过去24年中鸟类迁移发生的地点和时间。
“我们希望MistNet能够实现一系列科学和保护应用。例如，我们在许多地方看到大量的迁移集中在本赛季的几个晚上，“谢尔顿说。 “知道这一点，也许我们可以通过在那些夜晚关掉摩天大楼灯来帮助鸟类。”
这并不是AI第一次被用来追踪野生动物的迁徙。 DeepMind是一家位于英国的人工智能研究子公司，于2014年以5亿美元的价格被Alphabet收购，该公司于8月份进行了详细的生态研究，其科学团队正在开发人工智能系统，以帮助研究坦桑尼亚塞伦盖蒂国家公园的动物物种行为。另外，位于Santa Cruz的创业公司Conservation Metrics正在利用机器学习来追踪非洲大草原的大象。