صخره‌های مرجانی صدایی مخفی در زیر آب تولید می‌کنند و می‌توانند به ما در نجات آن‌ها کمک کنند.

ما تمایل داریم صخره‌های مرجانی سالم را با شکوه بصری آن‌ها مرتبط کنیم: مجموعه‌ای پر جنب و جوش از رنگ‌ها و اشکالی که این اکوسیستم های زیبای زیر آب.

اما می توانند مکان های نسبتاً پر سر و صدایی نیز باشند. اگر تا به حال در محیطی از صخره های مرجانی غواصی کرده باشید، صداهای متمایز صدای کلیک و صدای تکان دادن موجودات دریایی مختلف در زیر آب را می شناسید، مانند قاپیدن میگو و غذا دادن به ماهی.

این غوغای پر سر و صدای پس‌زمینه – تقریباً مانند صدای خش خش صدای استاتیک رادیویی – یک ویژگی منحصربفرد در منظره صخره‌های مرجانی است که می‌تواند به ما در نظارت بر سلامت این زیستگاه های دریایی در معرض خطر.

در یک مطالعه جدید، دانشمندان از یادگیری ماشینی برای آموزش الگوریتمی برای تشخیص تفاوت های صوتی ظریف بین یک صخره سالم و پر جنب و جوش و یک سایت مرجانی تخریب شده – کنتراست صوتی آنقدر ضعیف که ممکن است تشخیص آن برای مردم غیرممکن است.

در مقایسه با سایر فرآیندهای کار فشرده و زمان‌بر برای نظارت بر سلامت صخره‌ها – داشتن غواصان از صخره‌ها برای ارزیابی بصری پوشش مرجانی یا گوش دادن دستی به ضبط صخره‌ها – ابزار جدید می تواند حذف شود تیم پیشنهاد می کند که از مزایای قابل توجهی برخوردار باشد. علاوه بر این، بسیاری از موجودات صخره‌ای خود را پنهان می‌کنند یا فقط در شب دیده می‌شوند، که بررسی‌های بصری را پیچیده‌تر می‌کند.

“یافته‌های ما نشان می‌دهد که یک کامپیوتر می‌تواند الگوهایی را که برای گوش انسان قابل شناسایی نیستند، تشخیص دهد.” می گوید زیست شناس دریایی بن ویلیامز از دانشگاه اکستر در بریتانیا.

“این می‌تواند سریع‌تر و دقیق‌تر به ما بگوید که صخره چگونه کار می‌کند.”

برای تصویربرداری از آکوستیک مرجانی، ویلیامز و همکارانش در هفت سایت مختلف در مجمع الجزایر اسپرموند، واقع در سواحل جنوب غربی سولاوسی در اندونزی، و خانه صخره مرجانی مریخ پروژه بازسازی.

این ضبط‌ها شامل چهار نوع متمایز زیستگاه صخره‌ها می‌شد – سالم، تخریب‌شده، بالغ بازسازی‌شده، و تازه بازسازی‌شده – که هر کدام مقدار متفاوتی از زیستگاه را به نمایش گذاشتند. پوشش مرجانی، و متعاقباً صدای متفاوتی از موجودات آبی که در آن منطقه زندگی می‌کنند و تغذیه می‌کنند، ایجاد می‌کند.

“قبلاً برای مقایسه‌های قابل اعتماد به گوش دادن دستی و حاشیه‌نویسی این ضبط‌ها اعتماد می‌کردیم،” ویلیامز در یک تاپیک توییتر توضیح می دهد.

“با این حال، این یک روند بسیار کند است و اندازه پایگاه های داده های صوتی دریایی به طور سرسام آوری افزایش می یابد. ظهور ضبط‌کننده‌های کم‌هزینه.”

برای خودکارسازی فرآیند، تیم یک الگوریتم یادگیری ماشینی را آموزش داد تا بین انواع مختلف ضبط‌های مرجانی تمایز قائل شود. آزمایش‌های بعدی نشان داد که ابزار هوش مصنوعی می‌تواند سلامت صخره‌ها را از ضبط‌های صوتی با دقت ۹۲ درصد شناسایی کند.

“این یک پیشرفت واقعاً هیجان‌انگیز است،” می گوید یکی از نویسندگان و زیست شناس دریایی تیموتی لامونت از دانشگاه لنکستر در بریتانیا.

“در بسیاری از موارد، استقرار هیدروفون زیر آب آسان تر و ارزان تر است. روی یک صخره و رها کردن آن در آنجا به جای اینکه غواصان متخصص به طور مکرر از صخره بازدید کنند تا آن را بررسی کنند – به ویژه در مکان های دور افتاده.”

طبق گفته محققان، نتایج الگوریتم به ترکیبی از عوامل منظره صوتی زیر آب، از جمله فراوانی و تنوع صداهای ماهی، صداهای تولید شده توسط بی مهرگان، و حتی صداهای احتمالاً ضعیفی که تصور می شود توسط جلبک ها ایجاد می شود، همراه با مشارکت منابع غیر زنده (مانند تفاوت های ظریف در نحوه امواج و باد). ممکن است در انواع مختلف زیستگاه مرجانی به صدا درآید).

در حالی که گوش انسان ممکن است ب ماشین‌ها می‌توانند به راحتی چنین صداهای ضعیف و پنهانی را شناسایی کنند، به نظر می‌رسد که ماشین‌ها می‌توانند تفاوت‌ها را به خوبی تشخیص دهند، اگرچه محققان اذعان می‌کنند که این روش همچنان می‌تواند بیشتر اصلاح شود، با نمونه‌برداری بیشتر از صدا در آینده انتظار می‌رود “رویکردی دقیق تر برای طبقه بندی مناطق بوم گردی”.

متاسفانه، زمان کالایی است که مرجان های جهان هستند به سرعت تمام می شود. اگر می‌خواهیم آنها را نجات دهیم، باید سریع عمل کنیم.

یافته‌ها در شاخص های زیست محیطی.