fbpx Intelligenza artificiale, cambiamenti climatici e migrazioni | Scienza in rete

Intelligenza artificiale, cambiamenti climatici e migrazioni

Uno studio recentemente pubblicato su Nature Climate Change ha usato tecnologie avanzate per analizzare i dati radar sulle migrazioni degli uccelli nell'arco degli ultimi 24 anni, su tutti gli Stati Uniti continentali. I risultati di quest'analisi, che sarebbe stato impossibile fino a qualche tempo fa, hanno permesso di evidenziare un'anticipazione delle migrazioni primaverili che coinvolge centinaia di specie di uccelli. Ma che potrebbe non essere sufficiente per consentire loro di fronteggiare i cambiamenti climatici.
Crediti immagine: Marc Pascual/Pixabay: Licenza: Pixabay License

Tempo di lettura: 3 mins

Il momento in cui partire e in cui arrivare è di cruciale importanza per gli animali migratori. Il rischio è di raggiungere i siti riproduttivi quando le risorse non sono ancora, o non sono più, sufficienti per "metter su famiglia". La decisione degli uccelli migratori di lasciare i siti invernali per raggiungere quelli riproduttivi è affidata all'integrazione tra più informazioni, dal fotoperiodo alla temperatura. Proprio su quest'ultima pesa l'effetto dei cambiamenti climatici, il cui impatto sulle migrazioni è già finito nella lente di diversi studi scientifici. Ora, un lavoro ha impiegato tecniche d'intelligenza artificiale e cloud computing per analizzare questi effetti ad ampia scala spaziale e temporale e, invece di concentrarsi su una singola specie, riuscendo a tenerne in considerazione centinaia.

Tra intelligenza artificiale e biologia

L'articolo, recentemente pubblicato su Nature Climate Change, ha analizzato 24 anni di dati radar raccolti dalla National Oceanic and Atmospheric Administration statunitense per avere informazioni sulle migrazioni degli uccelli che preferiscono viaggiare di notte (una scelta che presenta alcuni vantaggi per i migratori, ad esempio un minor rischio di predazione) lungo tutti gli Stati Uniti continentali ad eccezione dell'Alaska. Si tratta di un'enorme mole di dati, raccolti per il controllo delle condizioni meteorologiche, che, come spiegano gli autori dello studio in un comunicato, fino a poco tempo fa erano rimasto fuori dalla portata dei ricercatori a causa della loro grande quantità e della mancanza di strumenti idonei per analizzarli.

Per lavorare su di essi, infatti, lo studio si è avvalso di tecniche di cloud computing e machine lerarning, che ha consentito di insegnare alla rete neurale MistNet di discriminare, tra i vari dati a disposizione, quelli che riguardavano le migrazioni degli stormi di uccelli. Alle informazioni raccolte con questi strumenti, i ricercatori hanno unito i dati sul clima. Lavorare a scala spaziale (tutti gli Stati Uniti continentali) e temporale (l'analisi di 24 anni di dati) così ampia, oltre che su un enorme numero di specie, è proprio ciò che rende particolarmente importante il nuovo lavoro. «Senza il cloud computing, processare tutti questi dati avrebbe richiesto più di un anno di analisi continua», ha spiegato Kyle Horton, della Colorado State University, primo autore dello studio.

I risultati dell'indagine non stupiscono: la migrazione degli uccelli si è anticipata nel corso del tempo, soprattutto per quanto riguarda il periodo primaverile, presumibilmente a causa dell'aumento delle temperature. I cambiamenti nelle migrazioni autunnali hanno invece una correlazione molto meno marcata con le temperature. Questo dato non ha sorpreso gli autori: «Durante la primavera osserviamo un'esplosione di uccelli migratori che volano a velocità piuttosto sostenute per raggiugere i siti di riproduzione», spiega Horton. «Ma durante l'autunno, la pressione per raggiungere i siti di svernamento è meno forte, e le migrazioni tendono ad avvenire in modo più lento e interrotto». In questo periodo, infatti, gli uccelli non devono affrettarsi per trovarsi una compagna e preparare il nido; inoltre, la presenza dei giovani, ancora inesperti, può rendere la migrazione più lenta.

Una strategia non sempre efficace

«Vedere il cambiamento delle tempistiche migratorie a scala continentale è davvero impressionante, soprattutto se si considera la varietà di comportamenti e strategie messe in atto dalle diverse specie», commenta Horton. E, purtroppo, tale cambiamento potrebbe non essere sufficiente per consentire agli uccelli di fronteggiare in modo adeguato i cambiamenti climatici. Partire prima può non essere un adattamento vantaggioso per tutte le specie, ad esempio perché può comportare una discrepanza tra i cicli delle diverse specie: solo per fare un esempio, un lavoro di alcuni anni fa aveva mostrato come l'anticipazione dell'arrivo ai siti riproduttivi di alcuni uccelli presso cui il cuculo depone le uova possa avere un effetto sulla riproduzione di quest'ultimo.

Sebbene il nuovo lavoro abbia il merito di darci una visione ad ampio raggio degli effetti dei cambiamenti climatici sulle migrazioni degli uccelli, bisogna comunque considerare che ogni singola specie ne risentirà degli effetti in modo diverso - e da indagare con attenzione, per capire cosa ciò comporterà per la specie e il suo ecosistema.

 


Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Why have neural networks won the Nobel Prizes in Physics and Chemistry?

This year, Artificial Intelligence played a leading role in the Nobel Prizes for Physics and Chemistry. More specifically, it would be better to say machine learning and neural networks, thanks to whose development we now have systems ranging from image recognition to generative AI like Chat-GPT. In this article, Chiara Sabelli tells the story of the research that led physicist and biologist John J. Hopfield and computer scientist and neuroscientist Geoffrey Hinton to lay the foundations of current machine learning.

Image modified from the article "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

The 2024 Nobel Prize in Physics was awarded to John J. Hopfield, an American physicist and biologist from Princeton University, and to Geoffrey Hinton, a British computer scientist and neuroscientist from the University of Toronto, for utilizing tools from statistical physics in the development of methods underlying today's powerful machine learning technologies.