[论文解读] Global Fishing Watch: Bringing Transparency to Global Commercial Fisheries

Wessley Merten, Adam Reyer+4 more|arXiv (Cornell University)|Sep 27, 2016

Marine and fisheries research被引用 21

一句话总结

全球渔业追踪（Global Fishing Watch, GFW）利用自动识别系统（Automatic Identification System, AIS）数据和大数据分析技术，实时监测全球商业捕捞活动，将船舶行为分类为“捕捞”或“非捕捞”，以提升透明度。该平台使公众能够访问船舶追踪数据，支持打击过度捕捞和非法、未报告及无管制（IUU）捕捞的努力。

ABSTRACT

Across all major industrial fishing sectors, overfishing due to overcapacity and lack of compliance in fishery governance has led to a decline in biomass of many global fish stocks. Overfishing threatens ocean biodiversity, global food security, and the livelihoods of law abiding fishermen. To address this issue, Global Fishing Watch (GFW) was created to bring transparency to global fisheries using computer science and big data analytics. A product of a partnership between Oceana, SkyTruth and Google, GFW uses the Automatic Identification System, or AIS, to analyze the movement of vessels at sea. AIS provides vessel location data, and GFW uses this information to track global vessel movement and apply algorithms to classify vessel behavior as "fishing" or "non-fishing" activity. Now publicly available, anyone with an internet connection can monitor when and where trackable commercial fishing appears to be occurring around the world. Hundreds of millions of people around the world depend on our ocean for their livelihoods, and many more rely on it for food. Collectively, the various applications of GFW will help reduce overfishing and illegal fishing, restore the ocean's abundance, and ensure sustainability through better monitoring and governance of our marine resources.

研究动机与目标

• 应对由渔业过度能力和治理薄弱引发的全球过度捕捞危机。
• 通过改进监测和透明度，减少非法、未报告及无管制（IUU）捕捞。
• 通过实时追踪商业捕捞船舶，提升海洋资源的可持续性。
• 向政府、非政府组织和公众提供可访问的数据驱动洞察，了解全球捕捞活动。
• 通过开放获取船舶移动数据和行为分类，加强海洋治理。

提出的方法

• 利用自动识别系统（AIS）从商业捕捞船舶收集实时船舶位置和移动数据。
• 应用机器学习和数据分析算法，基于移动模式将船舶行为分类为“捕捞”或“非捕捞”。
• 处理数亿条AIS消息，生成全球范围、近实时的捕捞活动地图。
• 整合Oceana、SkyTruth和Google的数据，构建可扩展、公开访问的平台。
• 在交互式网络平台上可视化船舶轨迹和捕捞事件，供公众和机构使用。
• 采用数据融合和地理空间分析技术，区分捕捞作业与航行或非捕捞移动。

实验结果

研究问题

• RQ1 如何利用实时船舶追踪数据在全球范围内识别和监测商业捕捞活动？
• RQ2 哪些机器学习技术能有效基于AIS数据将船舶行为分类为捕捞或非捕捞？
• RQ3 公众对基于AIS的捕捞数据的访问在多大程度上能提升透明度并减少非法捕捞？
• RQ4 大数据分析和开放数据平台如何增强全球渔业的治理与可持续性？
• RQ5 基于AIS的监测在海洋保护和政策执法方面有哪些实际应用？

主要发现

• 全球渔业追踪成功处理并可视化数亿条AIS消息，实现全球捕捞活动的近实时制图。
• 平台通过移动模式分析和行为算法，准确将船舶行为分类为“捕捞”或“非捕捞”。
• 该系统使公众能够访问全球捕捞数据，提升了商业渔业运作的透明度。
• 通过公开提供船舶追踪数据，GFW支持了减少过度捕捞和非法、未报告及无管制（IUU）捕捞的努力。
• Oceana、SkyTruth和Google的合作展示了开放数据举措在海洋治理中的可扩展性和影响力。
• 该平台已在Data For Good Exchange 2016等重要论坛上展示，表明其获得机构认可并具备广泛应用潜力。