Вот так выглядит морское дно глазами морского льва. Недавно ученые из Института исследований и разработок Южной Австралии провели исследование, где использовали морских львов для картирования неизведанных участков морского дна. Работа опубликована в журнале Frontiers in Marine Science.
Исследователи прикрепили легкие видеокамеры и датчики к спине восьми взрослых самок австралийского морского льва (Neophoca cinerea). Эти животные проводят большую часть времени на морском дне в поисках пищи, что делает их идеальными кандидатами для исследования глубоководных районов, которые трудно достичь традиционными методами. Камеры и датчики были приклеены к небольшим кусочкам неопрена, которые потом прикреплялись к морским львам, не мешая им и не влияя на их поведение.
В течение исследования морские львы записали 89 часов видеоматериалов, охватывающих шесть различных типов морского дна — от пустого песка до зарослей водорослей. Данные помогли ученым создать детализированные карты морского дна и изучить распределение различных местообитаний и видов.
Для анализа собранных данных использовали модель машинного обучения, которая с точностью более 98% предсказывала тип морского дна на основе таких переменных, как температура поверхности моря и расстояние от берега.
Ресайкл🌏💚♻️| Подписаться
Исследователи прикрепили легкие видеокамеры и датчики к спине восьми взрослых самок австралийского морского льва (Neophoca cinerea). Эти животные проводят большую часть времени на морском дне в поисках пищи, что делает их идеальными кандидатами для исследования глубоководных районов, которые трудно достичь традиционными методами. Камеры и датчики были приклеены к небольшим кусочкам неопрена, которые потом прикреплялись к морским львам, не мешая им и не влияя на их поведение.
В течение исследования морские львы записали 89 часов видеоматериалов, охватывающих шесть различных типов морского дна — от пустого песка до зарослей водорослей. Данные помогли ученым создать детализированные карты морского дна и изучить распределение различных местообитаний и видов.
Для анализа собранных данных использовали модель машинного обучения, которая с точностью более 98% предсказывала тип морского дна на основе таких переменных, как температура поверхности моря и расстояние от берега.
Ресайкл🌏💚♻️| Подписаться