WhaleVis: интерактивная карта более века данных о китобойном промысле
Несмотря на то, что киты — крупнейшие животные на Земле, их популяции сложно отслеживать. Учёные часто обращаются к историческим данным о китобойном промысле. Международная китобойная комиссия (IWC) ведёт набор данных, содержащий подробную информацию о коммерческом промысле — более 2,1 миллиона записей, в основном с 1880 года до запрета промысла IWC в 1986 году. Однако анализ этих данных представляет собой отдельную сложную задачу.
Команда Вашингтонского университета создала онлайн-инструмент WhaleVis — интерактивную карту, позволяющую исследователям визуализировать данные IWC о глобальных уловах китов и маршрутах китобойных судов. Это помогает оценить пространственное распределение животных и усилия, затраченные китобоями на промысел.
Сравнение исторических данных и их трендов с современной информацией позволяет учёным лучше понять, как менялись популяции китов со временем, где они обитали, и как лучше защитить оставшихся особей.
Инструмент представлен 25 октября на конференции IEEE VIS в Мельбурне (Наррм), Австралия. Он доступен онлайн, но для доступа к данным требуется разрешение IWC.
«Научные данные — очень важный аспект больших данных, но учёные по всему миру имеют доступ к совершенно разному оборудованию и программному обеспечению. Возможно, они не могут использовать большие серверы для быстрой обработки огромных наборов данных», — говорит старший автор Лейлани Бэттл, доцент Школы компьютерных наук и инженерии имени Пола Г. Аллена. — «Поэтому, создавая WhaleVis, мы должны были спросить: как разработать инструмент, который может визуализировать миллионы точек данных, но не зависит от очень мощных серверов?»
Команда решила эту проблему двумя способами:
- Вместо одновременной отрисовки более 2 миллионов точек на карте, что создаёт нечитаемую «визуализацию-клубок», исследователи агрегировали уловы в кластеры. Например, одна большая синяя точка у острова Южная Георгия в южной Атлантике означает 130 611 уловов китов, в основном финвалов.
- Инструмент создан для веб-браузеров, а не как отдельное приложение, чтобы он работал на разных вычислительных платформах.
«Было важно сделать эти данные доступными, чтобы их можно было легко использовать для получения практических выводов», — говорит ведущий автор Амея Патил, докторант Школы Аллена. — «Такие инструменты делают информацию более осязаемой и понятной».
WhaleVis появился благодаря инициативе университета Computing for the Environment, объединяющей компьютерных и климатических учёных. Соавтор работы, профессор Тревор Бранч, работал с набором данных IWC и хотел помочь в его визуализации, особенно для оценки усилий, затраченных на каждый улов. Бэттл и Патил искали проект, сочетающий экологическую науку с визуализацией данных, и набор данных IWC идеально подошёл.
«Возможность визуализировать данные таким образом помогает нам ответить на огромное количество вопросов», — говорит Бранч. — «Например, сложно разделить два подвида синих китов — массивных антарктических синих китов и карликовых синих китов, которые примерно на 20 футов короче. Визуализация экспедиций, которые ловили больших китов по сравнению с карликовыми, позволяет нам чётко и быстро увидеть границу между этими двумя подвидами».
В текущей версии WhaleVis использует плотность экспедиций в определённых районах, чтобы учёные могли приблизительно оценить усилия китобоев, затраченные на каждый промысел. Если исследователи смогут количественно оценить эти усилия — то есть время и расстояние между уловами в этих экспедициях — это даст лучшее представление о размере, плотности и местоположении исторических популяций китов.
В будущем команда планирует:
- Уточнить методы оценки усилий китобоев, нормализовав такие факторы, как время между уловами в каждой экспедиции.
- Добавить интерактивное прогнозное моделирование для различных сценариев.
- Применить методы, использованные в WhaleVis, к другим популяциям животных.
«С точки зрения исследователя, то, что уже есть в сети, очень, очень круто и намного превосходит всё, что было доступно до сих пор», — говорит Бранч. — «Только когда вы начинаете работать с данными в хорошей визуализации, вы обнаруживаете некоторые аномалии и сюрпризы в них».