iPon Cikkek

Az éj vándorai és a big data

Dátum | 2015. 08. 23.
Szerző | Jools
Csoport | EGYÉB

A Cornell Egyetem ornitológiai laboratóriumában áll egy számítógép, amely éjjel-nappal működik. A gép a bagolyfélék közé tartozó uhuk latin elnevezése után a Bubo nevet kapta a rajta dolgozó kutatóktól. Bubo átlagosan minden ötödik percben megragad egy képet, amelyet az Egyesült Államok északkeleti régiójának egyik időjárási radarállomása készített, majd egy sor mesterséges intelligencia algoritmus segítségével elemzi azt. A rendszert nem az érdekli, hogy milyen az idő vagy a pollenhelyzet, hanem hogy vannak-e madarak a felvételen. Ezek megtalálása érdekében Bubo minden potenciális célpont sebességét és irányát analizálja a képeken, és kiszűri azon tényezőket, amelyek ezen adataik alapján biztosan nem lehetnek madarak, hanem például felhők vagy rovarok. A megmaradó foltokat többek közt sűrűségük, sebességük és repülési magasságuk alapján elemzi, majd elkészíti az adott madárcsapat képi modelljét is. „Ha sötétben is látnánk, milliónyi madarat nézegethetnénk a fejünk felett éjszakánként” – mondja Thomas Dietterich, az Oregoni Állami Egyetem informatikus professzora, aki együtt dolgozik a Cornell madárkutató csapatával. A mexikói partok mentén feketetorkú kolibrik szállnak Alaszka felé, a kicsit odébb sárgatorkú lombgébicsek vonulnak, Közép-Amerika felől pedig királygébicsek tartanak északnyugatra. „Egyszerűen lenyűgöző, hogy milyen hosszú, rejtett vándorlások zajlanak le a tudtunkon kívül” – magyarázza a szakértő. A kutatókat nagyon régóta izgatja a madarak vonulásának kérdése. Számos szakértő foglalkozott az állatok lenyűgöző navigációs képességeivel, mentális térképeivel és a mágneses pólusokat érzékelő szemeikkel. Andrew Farnswortht, a Cornell informatikai karának kutatóját azonban egy kicsit más szempontból érdekli a migráció kérdése. Nem a vándorlás biológiai tényezőit vizsgálja, hanem hogy mindez hogyan illeszthető be egy nagyobb képbe. „Hogyan működik a migráció egy nagyobb ökoszisztémában?” – teszi fel a kérdést a szakértő. „És mi történik, ha az ökoszisztéma megváltozik?”
Farnsworth és kollégái az elmúlt négy évben a BirdCast nevű projekten dolgoztak, amelynek Bubo, a gépi tanulásra képes rendszer a csúcspontját jelenti. Az ökológusokból, statisztikusokból, informatikusokból és meteorológusokból álló kutatócsoport a kivételes rendszer segítségével reméli megfejteni a madarak migrációjának számos titkát. A rejtélyek egy részére a válasz szerintük azon nagyjából 100 millió időjárási radarképen rejtőzik, amelyeket az utóbbi 20 évben gyűjtött össze a Nemzeti Éghajlati Adatközpont (NOAA). Fontos forrást jelenthet ugyanakkor az eBird nevű online platform is, ahol évente több tízmillió madárészlelést rögzítenek a világ madárkedvelői, valamint azok hangrögzítő berendezések is, amelyek az egész Egyesült Államokban szétszórva rögzítik az éjszakai madárhangokat. A BirdCast keretében összetalálkozik a big data és a természetvédelem. A jövőben elképzelhető lehet például, hogy egy település lekapcsolja kültéri világítását, ha egy madárcsapat közelít felé, hogy a fények ne zavarják össze az állatokat. A madarak által frekventált pihenőhelyeket is azonosítani lehet az adatok révén, és így biztosítható, hogy ne legyenek szélturbinák vagy egyéb zavaró tényezők a környéken. „A hagyományos állománymegőrzési törekvések lényegileg konkrét területek elszeparálásából állnak, tehát statikus megoldásokról van szó” – mondja Farnsworth. Lassan azonban dinamikusabb próbálkozásokra lesz szükség, ehhez viszont az kell, hogy még az előtt azonosítani lehessen a lehetséges problémákat, mielőtt azok komoly gondokat okoznának. Csak így óvhatók meg a madarak a változó éghajlat következményeitől, mondja Dietterich. Mindehhez pedig először is olyan modellek kellenek, amelyek mindennél pontosabban jelzik, hogy a madarak merre tartanak, és milyen útvonalon jutnak el céljukhoz. A radar feltalálása előtt nagyon kevesen tudtak a madarak éjszakai vándorlásáról. Az 1930-as években aztán az Atlanti-óceán mindkét partján olyan technológiákon kezdtek dolgozni, amelyek révén előre jelezhető, ha az ellenség légicsapásra készül. A radarok rádióhullám-impulzusokat indítanak útjukra, amelyek visszaverődnek az útjukba kerülő akadályokról, és a radar aztán a visszavert hullámok különféle jellemzői alapján számítja ki az objektum alakját és távolságát.
A rendszer mind az ellenséges repülőgépek, mind az időjárási frontok detektálására alkalmasnak bizonyult, az első radarképek elemzői azonban arra lettek figyelmesek, hogy ezeken kívül más objektumok is mozognak a légkörben. Ezeket a rejtélyes foltokat a brit katonai elemzők angyaloknak, a németek pedig hamis visszhangoknak nevezték. Senki sem tudta, mik lehetnek, de annyi bizonyosnak látszott, hogy mindenütt ott vannak. A brit ornitológusok már a második világháború alatt felvetették, hogy talán madarakról lehet szó, a legtöbben azonban nem hittek nekik, mivel úgy gondolták, hogy a madarak éjjel nem repülnek. A háború utáni években aztán egyre több madárszakértő csatlakozott ehhez a véleményhez, és megszületett a radar ornitológia tudománya. A terület pionírjainak egyike Sidney Gauthreaux volt, aki New Orleans-i lakosként Észak-Amerika egyik legnagyobb forgalmú madár-légifolyosója alatt élt. A karibi, dél-amerikai és közép-amerikai telelőhelyükről északra tartó fajok többsége mind ugyanazon a 600−900 kilométer hosszú útvonalon repül át a Mexikói-öböl felett, mielőtt újra a szárazföld fölé ér. Gauthreaux gyermekként éjszaka gyakran hallgatta a madarak kiáltásait, és később azt tűzte ki karrierje céljául, hogy megfejtse, mi történik a légkörben, amikor nem látunk a sötéttől. A Mexikói-öböl első modern meteorológiai radarrendszerét az 1950-es években állították üzembe, amikor Gauthreaux középiskolás volt. Ebben az időben összesen 50 hasonló állomást létesítettek az Egyesült Államok területén, létrehozva az első országos radarhálózatot. Gauthreaux úgy vélte, hogy ha a radarok elég érzékenyek ahhoz, hogy az esőcseppeket észleljék, akkor az általa éjjelente hallott madarak testére kiülő cseppeket is detektálniuk kellene. Beszerzett tehát néhány radarfelvételt, és rögtön látta, hogy azon akadnak olyan kis pöttyökből összeálló foltok, amelyek csak madárrajok lehetnek. Gauthreaux ettől kezdve szenvedélyesen kezdte vizsgálni a madarak vándorlását, és az 1970-es években létrehozta az első olyan mobil radarállomást, amelyet kifejezetten a madarak tanulmányozására szántak. 1990-ben Gauthreaux radar ornitológiai laboratóriumot hozott létre a Clemson Egyetemen. Ezzel egy időben az országos meteorológiai radarhálózat fejlesztése is megtörtént, és az új rendszerben már 159 állomás gyűjtötte az adatokat mikrohullámokkal bombázva a légkört, hogy megállapítsa az abban található objektumok sűrűségét, sebességét és irányát. Ezen állomások adatait elemezve a madárkutatók már nemcsak azt tudták megbecsülni, hogy körülbelül mennyi madár van egy-egy rajban, hanem azt is, hogy milyen gyorsan és merre repülnek ezek.
Egy elemzésre váró radarkép
1999-ben Gauthreaux akkori tanítványa, Farnsworth abból írta szakdolgozatát, hogy az éjjel hallható madárkiáltások és a radarképeken feltűnő rajok sűrűsége között milyen összefüggések állapíthatók meg. Ennek elemzéséhez rendkívüli munkára volt szükség. Farnsworth rengeteg órányi hanganyagot hallgatott végig, és minden egyes radarképen saját maga állapította meg, hogy mely foltok jelölhetnek felhőket, rovarokat, denevéreket és madarakat. Összesen 58 éjszaka 556 órányi hanganyagát vetette össze az óránként készült radarképek madárraj-sűrűségi adataival. A munka összesen 8 hónapot vett igénybe, 2000-ben viszont ennek gyümölcseként megszületett a BirdCast elődje. A projektben a Clemson és a Cornell ornitológiai laborja, valamint a természetvédelemmel foglalkozó National Audubon Society is részt vett. A cél az volt, hogy radarképek, időjárás-előrejelzések és amatőr madarászok segítségével megjósolják a madarak vonulásának irányát az úgynevezett Atlanti-folyosó középső részén. Az elképesztő mennyiségű munkaórát és pénzt felemésztő vállalkozásnak azonban két év után vége szakadt. Farnsworth szerint a kudarc oka az volt, hogy a világháló használata még nem volt kellően elterjedt, és a citizen science, azaz az amatőr adatgyűjtőkön alapul tudomány sem volt annyira népszerű, mint manapság. 2011-ben aztán gyökeresen átalakulva kezdett újjáéledni a projekt. Mivel az eredeti BirdCast emberi korlátok miatt vált folytathatatlanná, a szakértők úgy döntöttek, hogy ezt a tényezőt kell kiiktatni a képletből. A kérdés csak az volt, hogy sikerül-e olyan mesterséges intelligencia modellt létrehozni, amely képes megtanulni a radarképek elemzésének művészetét, kiválogatni a madarak által alkotott foltokat, és azok repülési magasságát, valamint sebességét is ki tudja deríteni. Ha mindez sikerül, több évtizednyi régi adat válhat egészen új szempontból kutathatóvá, valamint a madarak élőben történő nyomon követése is valósággá válhat mind regionális, mind országos szinten. A Nemzeti Tudományos Alap támogatásával aztán rövidesen megkezdődhetett a Bubo nevű rendszer fejlesztése. Bubo jelenleg minden éjszaka 17 radarállomás friss adatait tölti le, és az időjárási adatok segítségével igyekszik megkülönböztetni a madarakat a széltől és a csapadéktól. Módszere a szélsebesség és szélirány meteorológusok által alkalmazott meghatározásának elvén alapul, ahhoz azonban, hogy működjön, meg kell küzdenie az alulmintavételezés problémájával. Lényegileg arról van szó, hogy a radarállomások nem képesek pontos radiális sebességet mérni bizonyos sebesség fölött, és amikor túlságosan gyors objektumokkal találkoznak, azokat hajlamosak a valóságoshoz képest ellenkező irányba haladónak mutatni felvételeiken.
Ez nem új probléma, a BirdCast kutatócsoportja azonban új megoldást talált rá. Egy valószínűségi modellt dolgoztak ki, amely számításba veszi az említett hibákat, és így a radarkép alapján képes rekonstruálni, hogy a valóságban mi merre mozoghatott, és ezt milyen sebességgel tette. A megoldást taglaló tanulmány 2013-ban díjat nyert a mesterséges intelligencia területén elért eredményeket szemmel tartó AAAI-tól. Bubo 17 másodperc alatt képes egy radarfelvétel analizálására, és kevesebb mint egy óra alatt végez egy éjszakányi adatmennyiséggel. „Eddig csak annyit tudtunk, hogy a madarak ősszel délre repülnek, tavasszal pedig északra indulnak” – mondja Jeffrey Buler, a Delaware-i Egyetem radar ornitológusa. „Most azonban végre közvetlenül is megfigyelhetjük ezen folyamat részleteit, és rákérdezhetünk annak pontos menetére” – folytatja a szakértő. Bubo idén május óta működik, és így a teljes vándorlási évadról csak azután fog információkkal szolgálni, ha beköszönt a tél. A BirdCast csapata ugyanakkor megkezdte a korábbi felvételek elemzését is, köztük 40 ezer olyan radarkép analizálását, amelyeket 2010−2011 folyamán rögzítettek az állomások. A vizsgálatokból annyi már most is látszik, hogy az interkontinentális útra induló madarak előbb indulnak útnak, és más útvonalakat használnak, mint rövidebb szakaszokon vándorló társaik. A hasonló felfedezések segíthetnek annak megértésében, hogy az éghajlatváltozás hogyan hat a vándorló fajokra. Gauthreaux régóta próbálkozik ennek felmérésével a Clemson Egyetemen, és eddigi eredményei alapján úgy tűnik, hogy míg a rövidebb vándorútra induló madarak máris alkalmazkodtak az elmúlt évtizedek megváltozott éghajlati viszonyaihoz, a távolabbra tartók menetrendje nem változott. Ennek pedig az a veszélye, hogy ez utóbbi fajok táplálék nélkül maradnak, mivel a fészkelőhelyen eltolódik az általuk fogyasztott növények termési ideje. Ez hirtelen visszaeséshez vezethet a populáció létszámában, a veszélyeztetettebb fajok esetében pedig akár teljes kihalást is maga után vonhat, mondja Gauthreaux.
Madárrajok mozgásban
Amíg Bubo adatokat gyűjt és elemez, a BirdCast-csapat két új mesterséges intelligencia kísérlet kiterjesztését készíti elő. Az elsőben a gépi tanulásra alkalmas algoritmusok hangfelvételekből azonosítják az éjszaka vonuló madarakat. New York államban már 10 olyan hangrögzítő állomás van, amelyet erre a célra telepítettek. Ezek egy központi szerverre töltik fel az általuk detektált hangokat, majd a rendszer, amely jelenleg hat különböző madárfajt tud 95 százalékos biztonsággal a hangja alapján azonosítani, analizálja a felvételeket. A másik projekt keretében az eBird adatbázisát használva igyekeznek egy-két napra előre jelezni a madarak vonulását a szakértők. Az eBird felhasználói az oldal 2002-es indulása óta elképesztő mennyiségű madárvonatkozású információt halmoztak fel. 2015 februárjában egy négynapos madárszámlálási kampány során 100 országból több mint 140 ezer ember töltött fel adatot a honlapra. Ez az információhalmaz nagyon vonzó ugyan a kutatók számára, de elemzése komoly kihívást jelent. Ahogy Dietterich mondja, a madarak vonulására úgy is tekinthetünk, hogy annak során több milliárd egyed hoz többé-kevésbé független döntést arról, hogy útnak induljon-e az adott éjszaka, és ha igen, merre tartson. Ennyi változó tekintetbe vétele pedig még a legfejlettebb számítógépek számára is sok lenne. Ezért találta ki Daniel Sheldon, a Massachusetts-i Egyetem kutatója a kollektív grafikai modell nevű megközelítést. Ennek lényege, hogy a rendszer nem az egyes madarakra, hanem a madárrajokra koncentrál, és ezeket kezeli egységekként. Első hallásra egyértelműnek tűnhet a megoldás, megvalósítása azonban nem volt egyszerű feladat, mondja Sheldon. A BirdCast-csapat végső célja egy olyan modell megalkotása lenne, amely egyesíti mindhárom már létező rendszer, a radarelemzés, a hangfelvételek és az eBird adatait, és ez alapján jelzi előre, illetve rekonstruálja a madarak vonulását. Egy ilyen összetett modellen már rengeteg különböző hipotézist lehetne tesztelni a rejtélyes vándorlással kapcsolatban, többek közt azt is, hogy mi a kapcsolat a légköri folyamatok és a madarak mozgása között, és hogy ez utóbbit hogyan befolyásolja a Föld változóban lévő időjárási rendszere.
Új hozzászólás írásához előbb jelentkezz be!