環境監測新趨勢，衛星 AI 技術有助海洋管理

在超過 70% 的地球海域，數據和演算法的推動正改變我們對海洋的認知及利用方式。Global Fisheries Watch 的最新研究是利用 AI 準確性，深入分析 2017-2021 年間的衛星資料，這項研究將 AI 技術與衛星監測相結合，從零散、偶發性的監測轉為全面性，加強對海洋交互觀察，有助於應對海洋面臨的變化。

深度學習演算法如何處理海量衛星資料？

人工智慧（AI）重新塑造我們監測和遵守環境法規的方式，尤其是變化廣闊的海洋環境領域。傳統監測方法的複雜性和成本高昂，執行有效的海洋管理一大挑戰。然而，人工智慧的發展，運用深度卷積神經網路（Deep convolutional neural networks，DCNN）的方式，為海洋生態系統的了解和管理提供一個新技術與有效方式。

DCNN是一種深度學習演算法，擅長分析視覺影像，適合處理海洋監測所需的海量衛星資料。最近的研究如Global Fishing Watch所採用的AI模型展現檢測、分類和追蹤船隻與海上基礎設施的能力。這些系統分析PB 的軌道影像，交叉參照自動辨識系統（Automatic Identification System，AIS）追蹤的船隻報告和已知坐標，不僅能確定船隻位置活動，還得知約75%的工業捕撈船舶及將近33%的運輸和能源船隻缺乏公開追蹤資料，顯示龐大的地下捕撈行業，可能其規模比公開紀錄還大。

DCNN能學習資料中的複雜模式而無需明確程式設計，它透過訓練，處理多樣化資料集，其中包含各種類型衛星影像。例如：突然關閉AIS追蹤器的船隻，仍可利用AI根據其視覺特徵和運動模式分析的衛星影像來辨識。

（Source：pixabay）

衛星監測有漏洞，靠AI優化減少限制

此外，目前的衛星成像技術的限制還待克服。例如影像解析度可能不足以捕捉小規模的非法活動或詳細的環境變化。而衛星覆蓋可能存在漏洞，一些偏遠地區無法經常監測到。雲層和天氣狀況也會影響可見度或導致資料遺失。人工智慧的技術提高影像解析度或分析天氣模式預測衛星成像的最佳時間點，進而優化監測過程來減少限制。

未來人工智慧和衛星技術在加強海洋監測方面深具潛力。其中令人期待的領域是合成孔徑雷達（SAR）衛星的使用，它提供高解析度影像，不受天氣條件或一天中時間的限制。將人工智慧與合成孔徑雷達結合起來可以提高檢測能力，在任何天氣條件下監測海上活動。深度學習的進步讓更複雜的預測模型更有發展性，這些模型能夠預測環境變化和人類活動，實現主動式而非被動式的管理策略。

（Source：Unsplash）

保護瀕危物種，AI做得到？

在保育方面，AI能處理分析衛星影像、水下無人機感測器等資料，在棲息地保護中發揮功能。機器學習模型擅長辨識海洋環境變化，如珊瑚白化、入侵物種、污染。AI演算法可檢測水溫水質細微變化，預測生態系統轉變。AI還能幫助繪製監測關鍵棲息地，如海草床和紅樹林，這些區域對碳封存及海洋生物苗圃有其重要性，詳細資料對於設計有效海洋保護區（MPA）及其覆蓋最珍貴脆弱生態系統是具影響性的。

對於瀕危海洋物種而言，人工智慧改進的監測和辨識技術，加強對這些物種的保護。研究人員和保育人士能運用訓練演算法來辨識衛星影像或水下攝影機中的特定動物，這比傳統方法更準確、減少干擾，能追蹤種群數量、遷徙模式和提升繁殖成功率。人工智慧也有助於掃描網路市場和社交平台出售保育的物種，以此監控非法貿易活動，為執法機關提供相關且有用的情報。

非法、不受監管、過度捕撈活動是海洋生態系統面臨的問題，這些行為耗盡魚類資源，破壞漁業管理的努力。人工智慧技術的應用顯得重要。AI分析衛星資料，發現可疑的船隻移動模式，還能將船舶的自動辨識系統（AIS）資料與已知的漁船資料庫進行交叉比對，標記未經授權的船隻。運用這些分析，監管機關能夠更有效地使用執法資源，及時攔截和打擊非法捕撈作業，保護海洋生態及執行海洋管理策略。