直到最近，技术限制使得有效研究白鲸的聚集行为变得充满挑战。随着气候变化的持续和海面温度的迅速上升，这样做的能力成为当务之急，需要能够完整、准确地捕获数据的方法。

为此，来自西班牙加的斯大学、阿利坎特大学和莱昂大学的研究人员团队使用深度卷积神经网络(CNN)分析来自加拿大、俄罗斯和美国阿拉斯加州北极地区的开放卫星图像，以便为了积极确定这些地区白鲸的存在，将海面温度(SST)与白鲸聚集模式进行比较，并根据政府间气候变化专门委员会(IPCC)的数据，创建三种具有代表性的浓度路径(RCP)情景：21世纪末。

截至2017年(该物种最近一次评估的年份)，国际自然保护联盟已将白鲸(Delphinapterusleucas)列入其红色名录中最不受关注的保护类别。然而，这些鲸鱼在偏僻的北极水域安家，依靠海冰来保护自己免受逆戟鲸等捕食者的侵害，并获取营养。冰中生长的藻类吸引了鱼类，而鱼类是白鲸的主要食物。

2020年发表的研究发现，在本世纪末之前，北极的冰可能会在夏季消失。

研究小组此前曾使用直接观测航空调查来研究鲸类动物。然而，这种方法昂贵、耗时，并且由于其范围限制可能导致数据不完整。特别是在迅速变暖的海洋中，通过航空调查创建的物种分布模型(SDM)的准确性是有时间限制的。

20世纪末，研究人员开始使用遥感图像来收集鲸鱼个体和鲸鱼群的数据，但对于涉及海洋哺乳动物的研究，单独采用这种方法也被证明是不准确的。

卫星图像与深度CNN相遇

为了想知道将人工智能图像分析应用于卫星图像是否可以提供解决方案，这项新研究背后的研究团队访问了2007年至2020年间获得的北极海岸的高分辨率(小于1米/像素)卫星图像。他们首先训练了深度CNN基于GoogleEarth和Mapbox的一组免费图像识别白鲸的模型。在这组1,400张图像中，一半是白鲸，另一半是冰山。

研究人员通过随机翻转一些图像、将其他图像旋转到0到360度之间的随机因子、裁剪其中一些图像以及调整图像比例和亮度级别来建立训练数据量。他们写道，在测试模型后，他们使用700张航拍图像对其进行了进一步训练，“其中每头白鲸都在一个边界框内进行了注释(边界框的总数为846个)”。

两名研究人员对每张图像进行了视觉评估，并用其类别(冰山或鲸鱼)和鲸鱼数量的数据进行了注释，并使用观鲸网站来验证图片区域中是否存在白鲸。他们比较了不同日期同一地点的图像，以辨别海底的白鲸。这项工作对于确定模型后期的准确性非常重要。

最后，该团队将他们的模型应用于最有可能出现鲸鱼的图像，并用它来检测和计算特定网格单元内的鲸鱼并分析聚集模式。然而，冰山带来了一个问题。

研究人员指出：“不幸的是，在存在与白鲸大小相似的冰山的地区，模型的准确性不佳(低于50%)，并且需要对图像进行照片解释以手动检测白鲸。”

研究小组在加拿大、俄罗斯和美国特定北极地区的11个白鲸群中总共发现了1,980只白鲸;其中六种聚合是通过卫星图像和深度学习模型揭示的。

他们还证实了白鲸聚集与海面温度之间的“显着关系”，这表明在较冷的水域白鲸聚集更多。

他们注意到这些地区的海面温度平均记录在近几十年来有所增加，他们写道：“我们的结果强调，在这三种情况下，海表温度预计在2050年之前至少增加1度，但将从1.5°C增加到3°C从2050年到2100年，取决于RCP情景，在三种RCP情景下，北部地区受影响最严重。”

得到教训

关于改进鲸鱼检测过程，该团队观察到，由于白鲸的可用图像(大约5米长)的空间分辨率较低，自动化该过程将需要新的策略，例如专注于在团体而不是个人。由于冰山的颜色、形状和大小，人们很容易与冰山混淆。

研究人员还讨论了最近海冰的变化;在许多领域，它现在比前几十年退得更早、进得更晚。根据IPCC2021年发布的报告中的数据，这项新研究预计，到本世纪末，11个白鲸聚集地的水温可能会上升3°C。

“这反过来又可能将它们的分布模式推向较凉爽的南部地区，与其他海洋哺乳动物物种向北分布的变化重叠，加剧栖息地和资源竞争，甚至导致种群急剧减少，具体取决于物种适应新气候情景的能力，”该团队写道。

他们总结道：“在这种情况下，如果我们希望保护这一脆弱物种，我们建议立即在全球范围内减少气体排放，并保护白鲸领地免受海上交通的影响。”