Los científicos del Ministerio de Pesca y Océanos de Canadá utilizan Inteligencia Artificial (IA) y GIS para agilizar la detección de ballenas beluga, mejorando los esfuerzos de conservación y apoyando a las comunidades indígenas del Ártico.
Conclusiones clave
- La IA geoespacial acelera y mejora significativamente la precisión de los estudios de población de ballenas beluga.
- Las ballenas beluga son cruciales tanto para los ecosistemas árticos como para la cultura inuit, ya que informan sobre la conservación y la sostenibilidad.
- Los GIS y el conocimiento indígena local mejoran la eficacia y la sensibilidad cultural de los estudios de mamíferos marinos.
El conteo de ballenas beluga comienza con un viaje a la cima del mundo. Estos distintivos mamíferos blancos navegan por los vastos mares árticos, pero rastrear su población siempre ha sido un desafío para la conservación.
Hasta hace poco, la tarea era tediosa e imprecisa. Ahora, la IA geoespacial, una potente combinación de inteligencia artificial (IA) y tecnología de sistemas de información geográfica (GIS), está transformando la forma en que los científicos cuentan a estas esquivas criaturas.
¿El reto? Las belugas pueden desaparecer bajo el agua durante largos periodos. Pueden sumergirse a más de 700 metros mientras cazan bacalao u otras presas. Cuando emergen, su color blanco puede confundirse fácilmente con trozos de hielo marino que flotan contra el azul oscuro del océano.
Bryanna Sherbo, bióloga del Ministerio de Pesca y Océanos de Canadá (DFO), ha pasado incontables horas a bordo de pequeñas avionetas explorando las aguas árticas en busca de belugas. Estos reconocimientos aéreos suelen realizarse cuando la capa de hielo de la región se afloja y la capa de hielo marino es escasa, lo que permite a las sociables ballenas reunirse en grupos.
Sherbo y sus colegas documentan la población de belugas a medida que estas se ven más amenazadas y en peligro de extinción en algunas regiones. Los estudios aéreos fundamentan las decisiones sobre gestión y conservación.
Las ballenas beluga tienden a sumergirse profundamente y pasan poco tiempo en la superficie.
El color blanco de las ballenas beluga puede hacer que sea difícil diferenciarlas del hielo marino que las rodea en el Ártico.
Una vista aérea de una manada de alimentación en la bahía de Creswell, una vía fluvial ártica en la región de Qikiqtaaluk, Nunavut, Canadá, ofrece una visión muy nítida que se utilizó para entrenar un modelo de detección de IA. (Imagen cortesía de Pesca y Océanos de Canadá (DFO))
El trabajo combina la ciencia rigurosa con el arte de la observación. Durante los reconocimientos aéreos, se instalan cámaras con GPS en el interior de la aeronave, apuntando directamente al agua y tomando fotos cada pocos segundos.
Cada estudio genera miles de imágenes. Identificar manualmente las ballenas en cada foto puede llevar mucho tiempo, pero externalizar el análisis a consultoras resulta costoso.
Los científicos del DFO colaboraron con Mohamed Ahmed, ingeniero de soluciones de Esri Canadá, para superar estos desafíos. Desarrollaron un modelo de aprendizaje profundo que detecta automáticamente las belugas en imágenes. El modelo, impulsado por IA geoespacial, puede analizar miles de imágenes en horas e identificar ballenas con una precisión asombrosa del 88 %.
«El modelo de autodetección es realmente prometedor», afirmó Sherbo. «Tiene el potencial de ahorrar mucho tiempo y ser más preciso».
Salvaguarda de los océanos, la vida silvestre y la cultura ártica de Canadá
Los científicos del DFO evalúan periódicamente las poblaciones de mamíferos marinos en todo Canadá. Estos estudios proporcionan datos cruciales que ayudan a proteger la fauna y los recursos oceánicos de Canadá.
Como depredadores clave en las aguas del Ártico, las ballenas beluga son una especie indicadora y sirven como señales de alerta temprana de cambios en el ecosistema.
Las belugas actuales se enfrentan a múltiples amenazas, desde la contaminación y el aumento del transporte marítimo hasta el desarrollo industrial y el calentamiento de los océanos. El aumento de las temperaturas en las regiones polares es especialmente preocupante, ya que reduce el hielo marino y crea condiciones impredecibles que pueden atrapar a las ballenas bajo el agua, impidiéndoles salir a la superficie para respirar.
Durante generaciones, muchas comunidades indígenas del Ártico han mantenido profundas conexiones culturales con estas distintivas ballenas blancas, basándose en el conocimiento tradicional para comprender sus movimientos y comportamientos.
“Los inuit dependen de los mamíferos marinos para su sustento”, dijo Sherbo. La carne de beluga y el muktuk (piel y grasa de ballena) se consumen después de la caza, lo que ofrece una fuente de alimento rica en nutrientes y culturalmente preferida. A pesar de vivir en paisajes prácticamente desprovistos de vegetación, las comunidades inuit han prevenido desde hace mucho tiempo el escorbuto, una enfermedad causada por la falta de vitamina C, gracias al alto contenido de vitamina C del muktuk.
La caza de ballenas ha mantenido a familias en todo el Ártico durante miles de años. La captura y el intercambio de qilalugaq (ballena beluga) son costumbres profundamente arraigadas en las comunidades inuit.
Los inuit consideran a los qilalugaq como inspiradores del conocimiento tradicional sobre los ecosistemas marinos y las técnicas de supervivencia. Las ballenas beluga suelen ser llamadas canarios del océano por su amplio rango vocal y por su función de «canarios en la mina de carbón» como indicadores de la salud del ecosistema.
Mirando hacia abajo desde el avión de reconocimiento a lo largo de la costa ártica, el hielo marino se mezcla con las olas blancas para ocultar la ubicación de las ballenas beluga. (Foto cortesía de Pesca y Océanos de Canadá (DFO))
La vista desde la ventana del avión de reconocimiento muestra la belleza gélida del Ártico. (Foto cortesía de Pesca y Océanos de Canadá (DFO))
Las poblaciones de beluga se vieron gravemente mermadas a mediados del siglo XIX y principios del XX debido a la caza comercial excesiva y sin regulación. En la década de 1980, el DFO estableció planes de gestión para contribuir a la recuperación de la población. Estos planes, que se reevalúan y renuevan cada tres a cinco años, incluyen cuotas de caza, vedas estacionales y por zonas, y la prohibición de matar crías o ejemplares adultos acompañados de crías.
Al monitorear las poblaciones de belugas, el DFO trabaja para proteger tanto el ecosistema del Ártico como las tradiciones culturales de los pueblos inuit que dependen de estas ballenas.
El conocimiento indígena del Ártico informa los estudios marinos
Antes de realizar censos aéreos, Sherbo y sus colegas del DFO se conectan con las comunidades árticas locales para determinar dónde enfocar sus censos. Estas conversaciones revelan información valiosa sobre dónde se reúnen las belugas, cómo se comportan y qué áreas son más importantes para los cazadores locales, lo que ayuda al equipo a planificar rutas de vuelo más efectivas.
“Trabajamos en estrecha colaboración con las Organizaciones de Cazadores y Tramperos de Nunavut”, dijo Sherbo. “Los miembros de la comunidad también nos acompañaron como observadores en los aviones”.
Para Sherbo es importante que las comunidades locales participen en los estudios de población, ya que los datos recopilados pueden contribuir a la definición de cuotas de caza. Si una especie está catalogada como amenazada, si se determina que su población es baja en una zona determinada o si hay abundancia de animales, esta información se puede compartir con los socios de gestión para ajustar los planes de gestión.
Entrenamiento del nuevo modelo de detección
Para proporcionar los datos necesarios para entrenar el modelo de detección de belugas, Sherbo y su equipo llevaron a cabo el Estudio de Cetáceos del Alto Ártico. En el verano de 2023, dedicaron tres semanas a recopilar imágenes en el este de Nunavut, el territorio más extenso y septentrional de Canadá. Sus esfuerzos, junto con el apoyo de imágenes de drones y satélite, dieron como resultado aproximadamente 60.000 imágenes.
Sherbo analizó manualmente el cinco por ciento de todas las imágenes (unas 3000), un proceso que le llevó casi una semana. Sabe qué buscar en medio de las vastas extensiones de océano agitado y trozos de hielo flotantes. Con un tamaño similar al de un carro grande, las ballenas beluga, de un blanco uniforme, carecen de aleta dorsal, una adaptación que les permite desplazarse con mayor facilidad por el hielo marino.
El análisis experto y el etiquetado de las imágenes de Sherbo se utilizaron para entrenar el nuevo modelo de detección de aprendizaje profundo.
Se utilizaron imágenes de alta resolución de Maxar para monitorear ballenas beluga y entrenar el modelo de detección de IA. Esta investigación se publicó en Frontiers in Mammal Science, Volumen 2, 2023. (Infografía cortesía de Pesca y Océanos de Canadá (DFO))
Se utilizaron imágenes de grupos de belugas en la superficie para entrenar el modelo de IA. Esta investigación se publicó en Remote Sensing in Ecology and Conservation, Volumen 10, Número 6, diciembre de 2024. (Infografía cortesía de Pesca y Océanos de Canadá (DFO))
Se enseñó al modelo a distinguir entre el hielo marino (verde) y las ballenas (rosa). (Infografía cortesía de Pesca y Océanos de Canadá (DFO))
“Dentro de las 3.000 imágenes que leí, solo 21 fotos tenían mamíferos marinos”, dijo Sherbo.
El nuevo modelo demostró ser eficaz para distinguir las ballenas blancas del hielo marino y las crestas blancas que eran similares en color, forma y tamaño.
«Aunque el algoritmo de aprendizaje profundo no es muy bueno a la hora de clasificar qué especie de ballena ha sido fotografiada, simplemente eliminar fotos de aguas oceánicas abiertas es extremadamente útil», afirmó.
Sherbo y sus colegas habían probado previamente otros métodos de análisis de imágenes aéreas, de drones y de satélite que evitarían el tedio del etiquetado manual de imágenes.
Intentaron el conteo colectivo con revisores de imágenes online de pago para revisar imágenes satelitales. Un esfuerzo reciente tuvo una tasa de precisión de entre el 65 % y el 70 %. «Lo que descubrimos es que la gente realmente quiere encontrar ballenas», dijo Sherbo. «Hubo muchos falsos positivos… si se usaran esos datos, se sobreestimarían las poblaciones».
También intentaron tercerizar la detección de IA enviando imágenes a una empresa externa para su análisis automatizado. «Hemos contratado empresas para que utilicen su algoritmo propietario en las imágenes, pero cobran por imagen», dijo Sherbo. «Resulta caro».
Ahora, el nuevo modelo de detección de aprendizaje profundo creado por DFO y Esri Canadá, junto con muchos otros modelos de aprendizaje profundo, estará disponible abiertamente para otros usuarios GIS en ArcGIS Living Atlas of the World de Esri.
Drones, satélites y el futuro de los estudios de mamíferos marinos
Además de la velocidad de análisis que ofrece el modelo, Sherbo y su equipo están entusiasmados con la capacidad del modelo para analizar imágenes capturadas desde el aire, drones y satélites.
Cada tipo de imagen tiene sus propias ventajas y limitaciones. Los investigadores suelen utilizar una combinación de métodos según sus necesidades de observación, el tamaño del área que desean monitorear y las condiciones meteorológicas.
Sherbo, que tiene una licencia de operadora de drones, considera que la mayor resolución y las capacidades de video de los drones son extremadamente útiles para estudiar los movimientos y comportamientos de las ballenas a pequeña escala.
Las imágenes del dron también le permiten evaluar la salud de las ballenas. Al medir la relación longitud-anchura de una beluga, el equipo puede evaluar su estado físico general. Este método no invasivo ofrece una forma eficiente y sin estrés de recopilar datos cruciales sobre la especie.
“Pero con los drones, la batería dura aproximadamente media hora”, dijo Sherbo. “Y sin permisos adicionales solo se puede volar dentro de la línea de visión”. Debido a estas limitaciones, los drones se utilizan principalmente para estudios a pequeña escala en áreas específicas de interés.
Las imágenes satelitales de alta resolución pueden cubrir vastas franjas del océano, lo que proporciona un método totalmente remoto que evita los riesgos y recursos que requieren los estudios con aeronaves pilotadas. Los satélites también son inmunes al frío y pueden recopilar imágenes durante los meses de invierno menos nublados. La investigación sobre la abundancia de ballenas beluga en el estrecho de Cumberland contribuyó a establecer el uso de satélites de alta resolución para monitorear las poblaciones de ballenas y el uso de los estuarios.
“Es relativamente novedoso usar imágenes satelitales para monitorear mamíferos marinos”, dijo Sherbo. Cuando ella y su equipo comenzaron a usar imágenes satelitales, las validaron en tierra con imágenes aéreas tomadas desde drones o aeronaves en el mismo período.
“Realizar un estudio aéreo requiere mucho tiempo y muchos recursos y personal”, dijo Sherbo. “Con la creciente resolución y disponibilidad de imágenes satelitales, quizás algún día no necesitemos realizar estudios aéreos”.
Los estudios frecuentes realizados mediante satélite proporcionarían a los investigadores del DFO un método más seguro y no invasivo para respaldar su trabajo.
Al automatizar el análisis de conjuntos de datos de imágenes masivas, el modelo de aprendizaje profundo GIS permite a Sherbo y sus colegas dedicar más tiempo a comprender los mamíferos marinos del Ártico y menos tiempo a intentar encontrarlos.
Este artículo originalmente apareció en la edición global del Blog de Esri el 27 de mayo de 2025.
comentarios
0