Kleine en angstaanjagend uitziende wezens die op de loer liggen in de oceanen van onze wereld, kunnen grote schade aanrichten aan het vermogen van de tactische besluitvormers van de marine om de omgeving aan te voelen of een navigatiekoers te plannen en uit te zetten.

De eenvoudige aanwezigheid van deze dieren, sommige zo groot als een penpunt, kan de operaties van de marine beïnvloeden door demping van akoestische signalen, bioluminescentie, en omgevingsgeluid.

Om ons begrip van deze organismen op intermediair trofisch niveau (ITL) zoals kleine schaaldieren en kwallen te helpen vergroten, onderzoekers voerden vorig jaar een 14-daagse veldcampagne uit voor de kust van Delaware. De campagne, onder leiding van de oceanograaf Brad Penta van het U.S. Naval Research Laboratory, verzamelde informatie over de dynamiek van ITL-ecosystemen in de buurt van oceaanfronten - gebieden die meestal biologisch actief zijn.

Intermediair trofisch niveau organismen, klein maar machtig

Alle organismen binnen een ecosysteem behoren tot een bepaald trofisch niveau - in wezen een label van waar ze in de voedselketen vallen. ITL-dieren kunnen in grootte variëren van kleine roeipootkreeftjes tot grote kwallen. Ze worden voortbewogen door stromingen in de oceaan, en kunnen enorme zwermen vormen.

Penta zei dat zwermen rond akoestische apparatuur onder water de output van de apparatuur onbetrouwbaar kunnen maken. Zwermen kunnen zo dicht zijn dat geluid weerkaatst en weerkaatst, waardoor valse metingen worden veroorzaakt en omgevingsgeluid wordt vergroot.

Naast het beïnvloeden van geluid, Van ITL-organismen is bekend dat ze flitsen.

"Veel van deze organismen zenden licht uit, genaamd bioluminescentie, "Zei Penta. "Ze lichten niet altijd op; meestal is het wanneer ze worden gestimuleerd of gestoord."

Hoe ze het deden

De kuststudie omvatte een aantal instrumenten en gereedschappen aan boord.

Een van de medewerkers van het onderzoek, de Universiteit van Mississippi, bracht een In Situ Ichthyoplankton Imaging System (ISIIS). ISIIS leverde meerdere afbeeldingen met een hoge resolutie per seconde dat het achter het schip werd gesleept.

Tijdens een van de slepen, ISIIS passeerde een stukje zeeleven en dacht ten onrechte dat het de bodem van de oceaan had geraakt. Het bleek een zwerm veligers te zijn, een larvale stadium van weekdieren.

"Als je er genoeg van had [veligers], ze kunnen interfereren met sonar of een optisch instrument, "zei Penta. "Hun aanwezigheid kan de diepte waarop marine-middelen worden ingezet veranderen."

Onderzoekers hebben ook hulpmiddelen aan de ISIIS toegevoegd om de temperatuur te meten, zoutgehalte, chlorofyl-a, zuurstof, en lichtdemping. Door deze tools te koppelen aan de ITL-organismen die door ISIIS zijn geïdentificeerd, konden onderzoekers een exact milieuprofiel bepalen waar bepaalde organismen leefden.

Tijdens de cruise, onderzoekers gebruikten netten voor het nemen van monsters, maar ook een Wirewalker ingezet, een bemonsteringsapparaat aangedreven door golven en stromingen. De Wirewalker was uitgerust met een verscheidenheid aan instrumenten om licht, geleidbaarheid, temperatuur, diepte, lichte en akoestische terugverstrooiing, en opgeloste zuurstof door de waterkolom.

Ogen in de lucht

Als onderdeel van de veldcampagne hoog in de lucht, een vliegtuig uitgerust met imagers en remote sensing-experts aan boord onderzocht de oceaanomgeving en gaf nauwkeurige locaties van oceaanfronten aan de onderzoekers aan boord. Hij vloog met camera's die gevoelig waren voor zichtbare, lang en kort infrarood, en hyperspectrale golflengten.

Het vliegtuig had ook meerdere Light Detection and Ranging (LIDAR) camera's. LIDAR's zenden gekleurde lasers uit om profielen van een onderwerp te onthullen. In dit geval, LIDAR gaf onderzoekers informatie over wat er onder water gebeurde. Deric Grijs, een oceanograaf in de afdeling Remote Sensing van NRL, bediende en testte een nieuwe door NRL ontwikkelde tool genaamd multi-golflengte LIDAR voor het milieu (MUWLE).

In tegenstelling tot traditionele oceanische LIDAR's die normaal gesproken een monochromatische laser hebben, Gray en zijn team ontwierpen MUWLE met verwisselbare laserkleuren. Dankzij de flexibiliteit konden Gray en zijn team verschillende kleuren testen en optimaliseren in meerdere maritieme omgevingen.

"Blauw werkte beter in diep water, Gray zei. "Groen werkte goed in algenrijke gebieden, en geel werkte goed in troebele baaien met veel modder."

Onderzoekers ontwierpen MUWLE om details in het water op te pikken, wetende dat het een kleine hoeveelheid informatie over de atmosfeer zou oppikken. Maar onderzoekers waren verrast om te horen dat MUWLE gedetailleerde informatie over de atmosfeer kon verzamelen.

"We zagen aerosollagen die significanter opdoken dan we dachten, " zei Gray. "De LIDAR zag ook dun, gebroken wolken onder het vliegtuig die we anders niet konden zien."

Wat staat er in de gegevens?

Onderzoekers zijn nu actief bezig met het doorzoeken van hun gegevens. Het uiteindelijke doel van de studie is om een ​​model te ontwikkelen dat de aanwezigheid van ITL-organismen kan voorspellen.

Voordat de modellen de gegevens kunnen gebruiken, echter, de schat aan gegevens moet worden verwerkt.

Penta zei dat hij met het ISIIS-instrument meer dan 1,2 miljoen afbeeldingen van slechts één sleep heeft gehaald. Zijn team gebruikt nieuwe technieken om alle informatie te ordenen en trends vast te stellen.

"We zijn begonnen met het opzetten van machine learning diepe neurale netwerken om kunstmatige intelligentie te gebruiken om de organismen te classificeren, maar heb nog geen resultaten, ' zei Penta.

Diepe neurale netwerken (DNN) zijn geavanceerde wiskundige modellen die worden gebruikt om grote hoeveelheden gegevens te verwerken. Christoffel Hout, een NRL computerwetenschapper, traint een soort DNN - een convolutioneel neuraal netwerk (CNN) - om organismen in de ISIIS-beelden te identificeren.

"CNN's zijn gericht op beeldanalyse, "zei Wood. "Een mens kan deze beelden in zijn leven niet verwerken. De afbeeldingsrollen zijn enorm en sommige organismen zijn erg klein."

Penta zei dat hij van plan is CNN te gebruiken om organismen te identificeren. en koppel die informatie aan de fronten en watermassa's. Dit laat zien hoe gemeenschappen in de oceaan zijn veranderd tijdens de campagne van twee weken.

Eenmaal volledig gesynthetiseerd, Penta zei dat de informatie een alomvattend beeld van de omgeving zal creëren, die de ontwikkeling van voorspellende ecosysteemmodellen zullen helpen.