太阳能是一种完全可再生的绿色资源,对地球有好处。然而,近年来,科学家们发现太阳能发电厂对鸟类是致命的。
太阳能发电厂杀死鸟类?
据《连线》报道,随着美国太阳能光伏产业的蓬勃发展,美国公用事业部门发现,多年来,在太阳能电站周围发现了大量的鸟类死亡。没有人知道为什么会发生这种情况,但这显然是个严重的问题。
因此,在2013年,一群公用事业、学者和环境组织聚集在一起,组成了鸟类太阳能工作小组,以制定一项策略,试图减少在美国各地的太阳能发电厂的鸟类死亡数量。
北卡罗来纳州电力公司杜克能源(Duke Energy)是研究小组的成员。杜克能源公司的首席环境科学家Misti Sporer说:“关于太阳能对鸟类影响的研究很少。”“没有人知道为什么鸟类会死在太阳能周围。”事实证明,仅仅是获取太阳能发电厂附近鸟类死亡的数据就具有挑战性。
2016年的一项研究估计,美国的数百个太阳能发电厂每年可能杀死近14万只鸟。虽然这还不到因燃煤发电厂(碰撞、触电和中毒)而死亡的鸟类数量的十分之一,但研究人员预计,随着计划中的太阳能发电厂投入使用,这一数字在未来将增加近三倍。
太阳能发电厂和鸟类死亡之间的联系仍然不清楚。一种主要的理论认为,鸟类将太阳能电池板发出的强光误认为是湖泊,俯冲而下,导致死亡。然而,Sporer认为这一假设是基于人类的观点。鸟类看东西的方式和人类一样吗?我们需要收集更多的数据来形成一个完整的答案。
人工智能观鸟
今年早些时候,美国能源部(Department of Energy)与伊利诺伊州阿尔贡国家实验室(Argonne National Laboratory)的一个团队签署了一份130万美元的合同,开发一个人工智能平台(AI Bird Watcher),用于研究全美大型太阳能发电厂的鸟类行为。研究人员希望该系统收集的数据能帮助鸟类学家解开这个谜团。“重要的是要减少各种形式的太阳能对环境的影响,”领导该项目的生物物理科学家Yuki Hamada说。“这些鸟的问题令人担忧,也是可再生能源行业希望了解和解决的问题。”
美国只有少数几个地区有规定要求太阳能电厂运营商报告其电厂的鸟类死亡,而美国大多数大型太阳能电厂不需要关注这些问题。即使是那些需要提交报告的公司也面临着收集高质量数据的能力上的限制,这些数据可能只能局限于每月派调查员去太阳能发电厂统计死鸟数量。虽然这有助于太阳能发电厂了解有多少鸟类正在死亡,但却无法提供原因的线索。他们需要实时观察数据。
软件技术上的挑战
计算死鸟数量是一项高度重复且令人不快的任务,而这正是人工智能所擅长的。但在实践中,将该系统部署到太阳能发电站中,在技术上充满了挑战。可以说,最困难的任务是教会机器学习算法在复杂的环境中有效地识别鸟类。鸟类的大小、形状和颜色各不相同,这就意味着算法必须对鸟类的抽象概念有足够的了解,才能识别它是在空中飞行还是栖息在太阳能电池板上。
亚当·希曼斯基(Adam Szymanski)是阿贡实验室(Argonne LABS)的一名软件工程师,他在那里负责为鸟类观察者开发人工智能。他说,他使用的机器视觉软件是从他的另一个项目发展而来的,该项目可以自动探测空中的小型无人机。无人机不像鸟类那样有翅膀或腿,所以教算法识别它们相对容易。但是使用该算法来检测鸟类需要Argonne团队在数千张图像中仔细标记鸟类,这样它们就可以作为算法的训练数据。
“我们正在进行的机器学习研究有点独特,”Szymanski说。“我们不只是想对图像中的物体进行分类。它必须随着时间的推移对快速移动的物体进行分类。当一只鸟在飞行时,你在一些帧中看到一个点,在其他帧中看到它的翅膀,我们需要在它飞行时在摄像机的视场中跟踪它。”
软件技术挑战
计算死鸟数量是高重复性、令人讨厌的任务,这正是人工智能擅长的事情。但实际上,在太阳能电站中部署该系统充满了技术挑战。可以说,最困难的任务是,如何教会机器学习算法在复杂环境中有效地识别鸟类。鸟类的大小、形状和颜色各不相同,这就意味着算法必须对 “鸟” 这个抽象概念有充分的理解,才能识别出它们是在空中飞行,还是在太阳能电池板上栖息。
亚当 · 希曼斯基(Adam Szymanski)是阿贡实验室的一名软件工程师,他正在领导该实验室人工智能鸟类观察者的开发。他说,现在所用的机器视觉软件是从他的另一个自动探测空中小型无人机的项目中发展出来的。无人机没有像鸟一样的翅膀,也没有腿,所以教会算法识别无人机相对简单。但是,若要将算法用于检测鸟类,则需要阿贡实验室团队在数千张图像中仔细地对鸟类进行标记,以便将它们用作算法的训练数据。
希曼斯基说:“我们正在研究的机器学习研究有点独特,我们不只是想对一张图像中的物体进行分类。它必须随着时间的推移对快速移动的物体进行分类。鸟在飞行时,在一些帧中你会看到一个点,在其他帧中你会看到它的翅膀,我们需要跟踪在摄像机视野中快速飞过的鸟类。”
硬件技术挑战
该系统的硬件也面临一些挑战。太阳能电站往往位于偏远地区,这里通常也没有机器学习所需要的基础设施。附近没有数据中心,网络带宽有限,甚至电力都很难获得。希曼斯基说,“你会认为太阳能电站应该有电,因为它们生产电。但是这些硬件没有与电池板连接的电源插座。”这意味着,运行鸟类观测算法的硬件必须是资源节约型的,因为它将使用电池或自带的小型太阳能电池板,同时还必须处理大量的实时数据。
为了实现这一目标,阿贡国家实验室团队正在使用由 Boulder AI 公司开发的监控行人和车辆交通的商用硬件。Boulder AI 公司的小型摄像系统是为边缘计算而设计的,研究人员将其安装在了太阳能电池板上。
今天,滨田文子和她的团队正在从安装在伊利诺斯州附近的两个太阳能电站的摄像机中收集训练数据。科学家们计划将逐步扩大该项目,覆盖美国各地的几十个商业和政府太阳能电站,但新冠病毒疫情拖延了这一进度。起初,阿贡国家实验室的人工智能系统只是试图正确识别进入其视野的鸟类,但希曼斯基表示,最终它将足够复杂,能够区分少数几种鸟类的行为,比如栖息在太阳能电池板上或撞向太阳能电池板。
这些数据将对研究人员至关重要,他们最终的任务是寻找防止太阳能电站鸟类死亡的解决方案。这还将帮助他们了解当地环境,如天气或一天中不同时间,是如何影响鸟类行为的,或者可以确定其他可能导致鸟类死亡的原因。斯波勒说:“在没有人类在场的情况下,能够看到鸟类与场地的互动是非常有益的。这项技术让我们得以窥探到一个我们通常看不到的世界,同时让我们以对野生动物影响最小的方式进行相关研究。”
上一篇:太阳能热发电技能的概念与分类 下一篇:太阳能光伏小科普