野外仅存不到 400 头北大西洋露脊鲸，其中可繁殖的雌鲸甚至不足 100 头。它们最大的生存威胁是船只撞击和渔具缠绕。保护这些鲸鱼，例如通过引导船只避开危险区域，需要更可靠地定位它们——而发表在《美国声学学会杂志》上的新技术可能有助于实现这一目标。
为了监听海洋生物，研究人员通常在浮标和水下滑翔机上部署称为水听器的水下麦克风。记录的音频被转换为频谱图：声音的可视化表示，用于精确定位，例如，特定鲸鱼物种的叫声。但是，这些独特的声音经常被其他噪音淹没。近年来，研究人员使用一种称为深度学习的机器学习技术来自动化此分析，但背景声音仍然阻碍了可靠性。
现在，研究人员已经训练了两个深度学习模型，专门用于消除噪音。他们首先向模型提供了数千张“干净”的频谱图，其中只有北大西洋露脊鲸的叫声。然后，他们慢慢添加了数千张被典型背景声音（如油轮引擎声）污染的频谱图。科学家们说，由此产生的算法可以成功地将嘈杂的频谱图变成干净的频谱图，减少误报，并帮助在鲸鱼到达危险区域之前发现它们。
关于支持科学新闻业
如果您喜欢这篇文章，请考虑订阅来支持我们屡获殊荣的新闻业。通过购买订阅，您将帮助确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。 订阅。通过购买订阅，您将帮助确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。
康奈尔大学数据工程师沙姆·马杜苏达纳（Shyam Madhusudhana）说，他想看看这种模型是否也可以用于定位其他海洋哺乳动物，他没有参与这项研究。“座头鲸和海豚的语言通路比露脊鲸复杂得多，”他指出。东安格利亚大学机器学习研究员本·米尔纳（Ben Milner）是该研究的作者之一，他希望将这项技术也应用到水面之上——应用到乌克兰的森林中，他希望在那里识别出 1986 年切尔诺贝利灾难遗址附近的动物。
圣安德鲁斯大学行为生态学家彼得·泰克（Peter Tyack）没有参与这项研究，他说应该使用这个新系统来弄清楚鲸鱼全年的位置，以便可以保护这些区域。“就估计在难以看到鲸鱼的地方的鲸鱼密度和丰度而言，”泰克说，“这项技术可能非常棒。”
但他警告说，这不应是防止船舶撞击或缠绕的唯一方法。在他的工作中，泰克发现北大西洋露脊鲸可能会沉默数小时——因此被动声学监测很容易错过它们。他补充说，杀死哪怕是几头鲸鱼，“都可能导致该种群灭绝。”