Gravity-Informed Deep Learning Framework for Predicting Ship Traffic Flow and Invasion Risk of Non-Indigenous Species via Ballast Water Discharge

要約

水域の外来種は、地球規模の環境と生物多様性に大きな脅威をもたらします。
輸送や貿易の増加により、外来種が新たな環境に持ち込まれ、生態系にダメージを与え、農林水産業における経済的損失につながっています。
したがって、これらの侵入の影響を軽減するためのリスク評価および管理技術が緊急に必要とされています。
この研究は、物理学にヒントを得た新しいモデルを開発して海上輸送交通量を予測し、それによって世界の輸送ネットワークを通じて広がる外来種のリスク評価に情報を提供することを目的としています。
国際貿易の重力モデルからインスピレーションを得た私たちのモデルは、輸送束密度、港間の距離、貿易の流れ、輸送ハブの中心性の尺度など、船舶活動の可能性と影響に影響を与えるさまざまな要因を考慮します。
さらに、外来種のリスクネットワークを分析することで、起源と目的地のペアを考慮した侵入脅威レベルを評価するための包括的な枠組みを提供します。
したがって、この論文では、リスク分析を実現可能にする短期および長期の依存関係を再構築するために、重力モデルに変圧器を導入します。
そこで、我々は物理学にインスピレーションを得たフレームワークを導入し、既存および存在しない軌道のセグメンテーション精度 89%、主要港湾エリア間を流れる船舶の数の 84.8% の精度を達成します。これは、従来の深海域の航路と比較して 10% 以上の改善を示しています。
重力モデル。
これらの方針に沿って、この研究は外来種のリスク評価のより良い理解に貢献します。
これにより、政策立案者、自然保護活動家、関係者は、リスクの高い侵入経路を特定することで管理行動に優先順位を付けることができます。
さらに、私たちのモデルは多用途であり、新しいデータソースを含めることができるため、変化する世界情勢における種の侵入リスクを評価するのに適しています。

要約(オリジナル)

Invasive species in water bodies pose a major threat to the environment and biodiversity globally. Due to increased transportation and trade, non-native species have been introduced to new environments, causing damage to ecosystems and leading to economic losses in agriculture, forestry, and fisheries. Therefore, there is a pressing need for risk assessment and management techniques to mitigate the impact of these invasions. This study aims to develop a new physics-inspired model to forecast maritime shipping traffic and thus inform risk assessment of invasive species spread through global transportation networks. Inspired by the gravity model for international trades, our model considers various factors that influence the likelihood and impact of vessel activities, such as shipping flux density, distance between ports, trade flow, and centrality measures of transportation hubs. Additionally, by analyzing the risk network of invasive species, we provide a comprehensive framework for assessing the invasion threat level given a pair of origin and destination. Accordingly, this paper introduces transformers to gravity models to rebuild the short- and long-term dependencies that make the risk analysis feasible. Thus, we introduce a physics-inspired framework that achieves an 89% segmentation accuracy for existing and non-existing trajectories and an 84.8% accuracy for the number of vessels flowing between key port areas, representing more than 10% improvement over the traditional deep-gravity model. Along these lines, this research contributes to a better understanding of invasive species risk assessment. It allows policymakers, conservationists, and stakeholders to prioritize management actions by identifying high-risk invasion pathways. Besides, our model is versatile and can include new data sources, making it suitable for assessing species invasion risks in a changing global landscape.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google