Коралловые рифы издают скрытый звук под водой, и это может помочь нам их спасти

Здоровые коралловые рифы ассоциируются у нас с их визуальным великолепием: ярким разнообразием цветов и форм, которыми наполнены эти прекрасные подводные экосистемы.

Но они также могут быть довольно шумными местами. Если вы когда-нибудь занимались сноркелингом в среде коралловых рифов, вам знакомы характерные щелкающие и пикающие звуки, издаваемые различными морскими обитателями под водой, такими как щелкающие креветки и кормящиеся рыбы.

Этот гул фонового шума - почти как дребезжащее шипение радиопомех - является уникальной особенностью звукового ландшафта коралловых рифов и может помочь нам следить за здоровьем этих исчезающих морских сред обитания.

В новом исследовании ученые использовали машинное обучение для обучения алгоритма распознавания тонких акустических различий между здоровым, живым рифом и деградирующим коралловым участком - акустический контраст настолько слабый, что его невозможно различить человеку.

По сравнению с другими трудоемкими и отнимающими много времени процессами мониторинга здоровья рифов - посещением рифов водолазами для визуальной оценки кораллового покрова или ручным прослушиванием записей рифов - новый инструмент может дать значительные преимущества, считает команда. Кроме того, многие обитатели рифов прячутся или видны только ночью, что еще больше усложняет любые визуальные исследования.

"Наши результаты показывают, что компьютер может улавливать закономерности, неразличимые для человеческого уха", - говорит морской биолог Бен Уильямс из Эксетерского университета в Великобритании.

"Он может быстрее и точнее рассказать нам о состоянии рифа".

Чтобы зафиксировать акустику кораллов, Уильямс и его коллеги сделали записи на семи различных участках архипелага Спермонда, расположенного у юго-западного побережья острова Сулавеси в Индонезии, где осуществляется проект по восстановлению кораллового рифа Марс.

Записи охватывали четыре различных типа среды обитания рифа - здоровый, деградировавший, зрелый восстановленный и недавно восстановленный - каждый из которых отличался количеством кораллового покрова и, соответственно, создавал различный характер шума от водных существ, живущих и питающихся в этом районе.

"Ранее мы полагались на ручное прослушивание и аннотирование этих записей, чтобы сделать надежные сравнения", - объясняет Уильямс в Твиттере.

"Однако это очень медленный процесс, а размер баз данных морских звуковых ландшафтов стремительно растет с появлением недорогих записывающих устройств".

Чтобы автоматизировать этот процесс, команда обучила алгоритм машинного обучения различать разные виды коралловых записей. Последующие испытания показали, что инструмент ИИ может определить состояние рифа по аудиозаписям с 92-процентной точностью.

"Это действительно захватывающая разработка", - говорит соавтор и морской биолог Тимоти Ламонт из Ланкастерского университета в Великобритании.

"Во многих случаях проще и дешевле установить подводный гидрофон на рифе и оставить его там, чем приглашать экспертов-дайверов для неоднократного обследования рифа - особенно в отдаленных местах".

По словам исследователей, результаты алгоритма зависят от комбинации факторов подводного звукового ландшафта, включая обилие и разнообразие вокализации рыб, звуков, издаваемых беспозвоночными, и даже, возможно, слабых шумов, которые, как считается, издают водоросли, а также от вклада абиотических источников (например, тонких различий в том, как волны и ветер могут звучать в разных типах коралловой среды обитания).

В то время как человеческое ухо, возможно, не в состоянии легко определить такие слабые и скрытые звуки, машины, похоже, могут надежно обнаружить эти различия, хотя исследователи признают, что метод еще можно усовершенствовать, и в будущем ожидается, что более широкая выборка звуков обеспечит "более тонкий подход к классификации экосостояния".

К сожалению, время - это товар, который быстро заканчивается для кораллов. Нам придется действовать быстро, если мы хотим спасти их.

Результаты исследования представлены в журнале Ecological Indicators.