Модель называется BirdFlow, и хотя она все еще совершенствуется, в течение года она должна стать доступной для ученых, а со временем — и для широкой публики.

Человечество очень долго пыталось разобраться в миграции птиц, — говорит Дэн Шелдон, профессор информационных и компьютерных наук в UMass Amherst, старший автор статьи и страстный любитель-орнитолог.

«Однако, — добавляет Мигель Фуэнтес, ведущий автор статьи и аспирант факультета компьютерных наук университета Амхерста, — невероятно трудно получить точную информацию в режиме реального времени о том, какие птицы где находятся, не говоря уже о том, куда именно они направляются».

Ученые неоднократно предпринимали и продолжают предпринимать усилия по маркировке и отслеживанию отдельных птиц, что уже помогло получить бесценные сведения. Но пометить птиц в достаточно большом количестве физически сложно, не говоря уже о том, что такая работа требует больших фнансовых затрат. Чтобы составить достаточно полную картину для прогнозирования перемещений птиц, потребовалось бы невероятно много ресурсов.

С помощью существующих методов отслеживания очень трудно понять, как некий вид птиц, весь, целиком, перемещается по тому или иному континенту, — говорит Шелдон.

Потому что эти методы позволяют понять маршруты, по которым перемещались некоторые птицы, пойманные в определенных местах, но ничего не скажут про то, как могут перемещаться те же птицы в совершенно других регионах.

В последние годы резко возросло число натуралистов, которые отслеживают и сообщают о наблюдениях за перелетными птицами. Орнитологи всего мира ежегодно сообщают о более чем 200 миллионах наблюдений за птицами через eBird, проект, управляемый Корнелльской лабораторией орнитологии и международными партнерами. Это один из крупнейших научных проектов в области биоразнообразия, насчитывающий сотни тысяч пользователей, что способствует современному моделированию распределения видов с помощью проекта лаборатории eBird Status & Trends.

Данные eBird удивительны, потому что они показывают, где птицы определенного вида находятся каждую неделю по всему их ареалу, — говорит Шелдон, — но они не отслеживают отдельных особей, поэтому нам нужно сделать вывод о том, какими маршрутами следуют отдельные птицы, чтобы лучше объяснить закономерности на уровне вида.

BirdFlow использует базу данных eBird Status & Trends и оценки относительной численности птиц, а затем пропускает эту информацию через вероятностную модель машинного обучения. Эта модель настраивается с помощью данных GPS и спутникового слежения в реальном времени, чтобы она могла «научиться» предсказывать, куда будут двигаться дальше отдельные птицы во время миграции.

Исследователи протестировали BirdFlow на 11 видах североамериканских птиц, включая американского вальдшнепа, лесного дрозда и ястреба Свенсона, и обнаружили, что BirdFlow не только превосходит другие модели для отслеживания миграции птиц, но и может точно предсказать миграционные потоки без данных GPS и спутникового слежения в режиме реального времени, что делает BirdFlow ценным инструментом для отслеживания видов, которые могут буквально пролететь под радаром.

Сегодня птицы переживают быстрые экологические изменения, и численность многих видов уменьшается», — говорит Бенджамин Ван Дорен, постдокторант Корнелльской лаборатории орнитологии и соавтор исследования.

Используя BirdFlow, мы можем объединить различные источники данных и составить более полную картину передвижения птиц, что может иметь большое значение для принятия мер по охране природы.

Результаты опубликованы в издании Methods in Ecology and Evolution.