研究人员利用卫星图像和人工智能，比以往任何时候都更精确地绘制了人类的海上活动图。这项工作揭露了大量以前不为人知的工业活动，从可疑的捕鱼作业到近海能源开发的爆炸式增长。
这些地图今天发表在《自然》杂志上。由Google支持的非营利组织"全球渔业观察"（Global Fishing Watch）领导的研究显示，全球高达四分之三的工业渔船没有被公开追踪。多达30%的运输和能源船只也没有被公开追踪。
研究人员说，这些盲点可能会阻碍全球的保护工作。为了更好地保护世界海洋和渔业，决策者需要更准确地了解人们在海上开发资源的地点。
根据去年通过的《昆明-蒙特利尔全球生物多样性框架》，地球上几乎所有国家都同意到2030年保护地球陆地和水域30%的共同目标，那么，问题是我们应该保护哪30%？《自然》杂志论文作者之一、全球渔业观察组织研究与创新总监大卫-克罗德斯马（David Kroodsma）说："如果没有这张地图，你就无法讨论捕鱼活动在哪里、石油平台在哪里。"
到目前为止，全球渔业观察和其他组织主要依靠海事自动识别系统（AIS）来了解海上发生的情况。该系统可以追踪携带无线电信号发射盒的船只，这些数据过去曾被用于记录过度捕捞和船上强迫劳动的情况。即便如此，该系统也存在很大的局限性。携带 AIS 的要求因国家和船只类型而异。而且，当有人想躲避检测或在信号不强的地方巡航时，他们很容易就会关掉盒子。
为了填补空白，Kroodsma 和他的同事分析了欧洲航天局哨兵-1 卫星星座提供的 2000 TB 图像。哨兵-1 使用先进的雷达仪器观测地球表面，而不是拍摄传统的光学图像（就像用相机拍摄照片一样）。雷达可以穿透云层，在黑暗中"看见"--它能够发现 AIS 遗漏的近海活动。
在世界地图上，红色标出了渔船最多的海岸，而这些渔船之前都逃过了公共追踪系统的追踪。数据分析显示，全球约有 75% 的工业渔船未被公开追踪，其中大部分在非洲和南亚一带捕鱼。图片 全球渔业观察
由于 2000 TB 的数据量非常庞大，研究人员开发了三种深度学习模型，对检测到的每艘船只进行分类，估算其大小，并对不同类型的近海基础设施进行分类。他们对全球约 15% 的海洋进行了监测，其中 75% 的工业活动都在这些海洋中进行，同时关注 2017 年至 2021 年期间船只的移动以及固定近海结构（如石油钻井平台和风力涡轮机）的发展情况。
在 2020 年"COVID-19"大流行开始时，捕鱼活动有所减少，但他们发现，在公共追踪系统中"以前几乎没有船只活动"的地区，船只往来密集，尤其是南亚和东南亚以及非洲北部和西部沿海地区。
数据还显示了近海能源开发的蓬勃发展。到 2020 年底，风力涡轮机的数量将超过石油结构。到第二年，涡轮机占所有海洋基础设施的 48%，而石油结构占 38%。
几乎所有的海上风电开发都是在北欧和中国沿海进行的。在美国东北部，清洁能源的反对者试图将鲸鱼的死亡与即将进行的海上风电开发错误地联系起来，尽管有证据表明船只撞击才是问题所在。
与风力涡轮机相比，石油结构周围有更多的船只。油轮有时被用来将石油运送到岸上，作为管道的替代品。在研究的五年中，石油结构的数量增长了 16%。到 2021 年，近海石油开发造成的全球船舶运输量是风力涡轮机的五倍。克罗兹马说："与其他交通相比，风力涡轮机在全球范围内造成的实际船舶运输量微乎其微。"
在世界地图上，蓝色圆圈表示海上风电基础设施的位置，主要集中在欧洲和中国。黄色圆圈表示石油平台的位置。紫色圆圈表示"其他结构"的位置。
我们分析了 2000 TB 的卫星图像，以探测六大洲沿海水域的近海基础设施，四分之三以上的工业活动都集中在这些水域。图片： 全球渔业观察
当被问及如果没有人工智能，此类研究是否可能实现时，"简短的回答是不，我认为不可能，"该研究的主要作者、全球渔业观察的机器学习工程师费尔南多-保罗（Fernando Paolo）说。"深度学习擅长从海量数据中发现模式"。
今天发表在《自然》（Nature）上的另一篇文章评论了Paolo和Kroodsma的研究，文章说，作为处理全球卫星图像的开源软件，新的机器学习工具"使数据和工具的获取变得民主化，让低收入国家的研究人员、分析师和政策制定者能够以低成本利用跟踪技术"。这篇文章由微软博士后研究员康斯坦丁-克莱默（Konstantin Klemmer）和科罗拉多大学博尔德分校助理教授埃斯特-罗尔夫（Esther Rolf）撰写。
在各国试图阻止气候变化和保护生物多样性，以免为时已晚的关键时刻，这些技术进步为记录海上活动的快速变化提供了重要依据。克罗兹马说："这之所以重要，是因为[海上]越来越拥挤，使用率越来越高，突然之间，你必须决定如何管理这个巨大的全球公域。它不能是狂野的西部。历史上就是这样"。