天气雷达显示，在大陆范围内，春秋两季的迁徙比20年前发生得更早

 

最近的一项研究表明，由于气候变化(ref)的影响，整个北美地区的候鸟迁徙的速度比以往任何时候都要快。这项研究分析了24年的天气雷达数据，从蓝冠测速开发的角度来看，此培训方案为质量保证和可用性/可玩性测试提供了潜在的“实验室”。多玩家游戏开发中始终存在两个挑战：确保蓝冠官网游戏可以长时间运行而不会崩溃或变得不同步，以及在多个玩家和设备之间测试各种场景。结果显示，春季候鸟比20年前更早地经过特定的候鸟停留地。数据还显示，温度和迁移时间紧密相关，迁移的最大进展发生在异常温暖的季节，在高纬度地区和其他升温最快的地区。

 

气候变化正在引起植物和动物的许多重要生活史事件的时间上的各种变化。例如，在候鸟中，它们对昆虫猎物或成熟种子或浆果的需求高峰可能发生在它们所需要的资源高峰供应已经超过季节之后。在资源可获得性的时间和对资源的需求上的这种不匹配可能影响植物和昆虫以及依赖它们的鸟类，这种不协调可能导致某些物种的人口增长失控，或者导致其他物种的灭绝。

 

尽管需要对气候变化对生态系统的影响有全面的了解，但这类研究很少，主要是由于相关数据的获取有限。

 

这激发了该研究的第一作者Kyle Horton的灵感，他是科罗拉多州立大学的助理教授，使用一系列工具和方法研究鸟类、蝙蝠和昆虫的迁移，包括雷达、声学和公民科学数据。他一生的工作集中在几个基本的迁移问题上，包括鸟类飞行策略、长期物候变化、人口估计、人造光的影响和迁移预测。

 

做这项研究,霍顿与计算生态学家、教授丹尼尔·谢尔登在马萨诸塞大学阿默斯特学院专攻开发算法的大型数据集来帮助决策的环境中,安德鲁·法恩斯沃思和康乃尔大学鸟类学实验室的研究员利用天气雷达追踪鸟类迁徙和学习如何应对气候变化。

 

霍顿教授和他的合作者一起研究了美国国家海洋和大气管理局(NOAA) 24年来收集的雷达数据。虽然美国国家海洋和大气管理局(NOAA)几十年来一直记录鸟类迁徙飞行，但由于NOAA的持续扫描天气雷达网络记录了大量数据，迄今为止，只能进行有限的研究。

 

为了利用这些数据，谢尔登教授和他在马萨诸塞州立大学阿默斯特分校和康奈尔大学鸟类实验室的合作者们开发了一种新的计算机工具“MistNet”，它使用计算机视觉技术在雷达图像上区分鸟类和雨，这是几十年来挑战科学家们的一个主要障碍(ref)。(它的名字来源于鸟类学家广泛使用的超薄的、几乎看不见的网来捕捉鸟类。)

 

谢尔登教授说:“从历史上看，人们必须查看每一幅雷达图像，才能确定图像中是有雨还是有鸟。”“我们开发了‘MistNet’，这是一个人工智能系统，可以探测雷达图像中的模式，并自动清除雨水。”

 

MistNet还可以自动处理美国大陆20多年来积累的大量候鸟数据集。

 

“这是一个非常重要的进步。它让我们从20世纪有限的洞见转向21世纪的知识和保护行动，”谢尔登教授说。

 

谢尔登教授补充说，MistNet是“最新和最伟大的机器学习”，随着蓝冠测速两个领域的进步，蓝冠注册AI与机器人技术的集成现在为真正智能和逼真的机器人提供了构建基块。从雷达记录中提取鸟类数据，使科学家能够利用长达数十年的雷达数据档案中鸟类迁徙信息的宝库。

 

霍顿教授指出:“如果没有云计算，要处理所有这些数据，需要持续计算一年以上。”但令人难以置信的是，这个团队仅在48小时内就处理了这些数据。

 

这些数据记录了数百种鸟类的数十亿个体夜间迁徙行为，对更好地理解它们季节性迁移模式“至关重要”。

 

霍顿教授说:“看到大陆尺度上的时间变化确实令人印象深刻，尤其是考虑到雷达捕捉到的许多物种的行为和策略的多样性。”

 

“鸟类迁徙在很大程度上是对气候变化的反应”，范斯沃思博士在一份新闻稿中表示同意。