新发布的人工智能(AI)算法首次使研究人员能够在不下水的情况下快速准确地估计沿海鱼类种群。这一突破可以节省数百万美元的年度研究和监测成本，同时为最不发达国家提供有关其鱼类种群可持续性的数据。

了解“鱼类资源”——在一个地区的水域中发现的活鱼数量——对于了解我们海洋的健康状况至关重要。在沿海地区尤其如此，那里90%的渔业工作人员生活和工作。在最富裕的国家，每年花费数百万美元进行“种群评估”——让人员和船只下水计算鱼类数量和计算种群数量，这是一项耗资巨大且劳动密集型的工作。

长期以来，这种极高的成本一直是非洲和亚洲热带国家的障碍，这些国家依靠捕鱼获取食物和收入的人口比例最高。

许多国家在沿海水域工作的小规模渔民基本上是盲目作业，没有关于其渔业中有多少鱼的真实数据。没有数据，沿海社区及其政府就无法制定管理计划来帮助保持海洋的长期健康和生产力。

现在，得益于卫星数据和机器学习算法的进步，研究人员创建了一个模型，该模型成功估算了西印度洋试点地区鱼类种群的准确率，准确率为85%。该工具有可能快速、廉价地将数据交到地方和国家政府手中，这样他们就可以就其自然资源做出明智的决定，并将“蓝色食品”放在餐桌上。

“我们的目标是为人们提供所需的信息，以了解他们的鱼类资源状况以及他们的渔业是否需要时间来恢复。长期目标是他们、他们的孩子和他们的邻居能够在人与人之间找到平衡点。”需求和海洋健康，”WCS海洋科学主任TimMcClanahan说。

“这个工具可以告诉我们鱼类种群的状况，以及它们需要多长时间才能使用各种管理选项恢复到健康水平。它还可以告诉您每年损失多少钱或可以通过管理您的渔业——在我们试用该工具的西印度洋地区，每年的损失不少于50至1.5亿美元。”

WCS的McClanahan和其他合著者使用多年的鱼类丰度数据结合卫星测量和人工智能工具来生成这个模型。结果?一个简单易用的试验工具，可以更好地了解和管理我们的海洋。

随着进一步的发展，世界上任何地方的任何人都能够输入七个易于访问的数据点——例如距海岸的距离、水温、海洋生产力、现有的渔业管理和水深——并收到准确的鱼类资源估计值他们的近岸生态系统。

“我们知道，在危机和困难时期，从气候变化引发的天气事件到COVID-19大流行，生活在沿海地区的人们越来越依赖捕鱼来养活自己和家人，”海事执行董事西蒙克里普斯说。WCS的保护。

“这个模型的价值在于它告诉管理人员、科学家，重要的是，当地社区渔业的健康程度以及它如何支持依赖它的社区，特别是在危机时期。一旦渔业的状况已知，它为社区和管理人员提供信息，以推动设计解决方案，以改善鱼类种群并提高当地社区、渔业以及当地和国家经济的复原力。”

该算法已被证明对西印度洋试点地区的珊瑚礁渔业具有很高的准确性。WCS目前正在寻求新的合作伙伴关系来扩展该工具，以便可以部署它并填补世界各地的关键数据缺口。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：鱼类渔业种群