太陽能是一種完全可再生的綠色資源，對地球有好處。然而，近年來，科學(xué)家們發(fā)現(xiàn)太陽能發(fā)電廠對鳥類是致命的。
太陽能發(fā)電廠殺死鳥類?
據(jù)《連線》報道，隨著美國太陽能光伏產(chǎn)業(yè)的蓬勃發(fā)展，美國公用事業(yè)部門發(fā)現(xiàn)，多年來，在太陽能電站周圍發(fā)現(xiàn)了大量的鳥類死亡。沒有人知道為什么會發(fā)生這種情況，但這顯然是個嚴(yán)重的問題。
因此，在2013年，一群公用事業(yè)、學(xué)者和環(huán)境組織聚集在一起，組成了鳥類太陽能工作小組，以制定一項策略，試圖減少在美國各地的太陽能發(fā)電廠的鳥類死亡數(shù)量。
北卡羅來納州電力公司杜克能源(Duke Energy)是研究小組的成員。杜克能源公司的首席環(huán)境科學(xué)家Misti Sporer說:“關(guān)于太陽能對鳥類影響的研究很少。”“沒有人知道為什么鳥類會死在太陽能周圍。”事實證明，僅僅是獲取太陽能發(fā)電廠附近鳥類死亡的數(shù)據(jù)就具有挑戰(zhàn)性。
2016年的一項研究估計，美國的數(shù)百個太陽能發(fā)電廠每年可能殺死近14萬只鳥。雖然這還不到因燃煤發(fā)電廠(碰撞、觸電和中毒)而死亡的鳥類數(shù)量的十分之一，但研究人員預(yù)計，隨著計劃中的太陽能發(fā)電廠投入使用，這一數(shù)字在未來將增加近三倍。
太陽能發(fā)電廠和鳥類死亡之間的聯(lián)系仍然不清楚。一種主要的理論認(rèn)為，鳥類將太陽能電池板發(fā)出的強光誤認(rèn)為是湖泊，俯沖而下，導(dǎo)致死亡。然而，Sporer認(rèn)為這一假設(shè)是基于人類的觀點。鳥類看東西的方式和人類一樣嗎?我們需要收集更多的數(shù)據(jù)來形成一個完整的答案。
人工智能觀鳥
今年早些時候，美國能源部(Department of Energy)與伊利諾伊州阿爾貢國家實驗室(Argonne National Laboratory)的一個團隊簽署了一份130萬美元的合同，開發(fā)一個人工智能平臺(AI Bird Watcher)，用于研究全美大型太陽能發(fā)電廠的鳥類行為。研究人員希望該系統(tǒng)收集的數(shù)據(jù)能幫助鳥類學(xué)家解開這個謎團。“重要的是要減少各種形式的太陽能對環(huán)境的影響，”領(lǐng)導(dǎo)該項目的生物物理科學(xué)家Yuki Hamada說。“這些鳥的問題令人擔(dān)憂，也是可再生能源行業(yè)希望了解和解決的問題。”
美國只有少數(shù)幾個地區(qū)有規(guī)定要求太陽能電廠運營商報告其電廠的鳥類死亡，而美國大多數(shù)大型太陽能電廠不需要關(guān)注這些問題。即使是那些需要提交報告的公司也面臨著收集高質(zhì)量數(shù)據(jù)的能力上的限制，這些數(shù)據(jù)可能只能局限于每月派調(diào)查員去太陽能發(fā)電廠統(tǒng)計死鳥數(shù)量。雖然這有助于太陽能發(fā)電廠了解有多少鳥類正在死亡，但卻無法提供原因的線索。他們需要實時觀察數(shù)據(jù)。
軟件技術(shù)上的挑戰(zhàn)
計算死鳥數(shù)量是一項高度重復(fù)且令人不快的任務(wù)，而這正是人工智能所擅長的。但在實踐中，將該系統(tǒng)部署到太陽能發(fā)電站中，在技術(shù)上充滿了挑戰(zhàn)。可以說，最困難的任務(wù)是教會機器學(xué)習(xí)算法在復(fù)雜的環(huán)境中有效地識別鳥類。鳥類的大小、形狀和顏色各不相同，這就意味著算法必須對鳥類的抽象概念有足夠的了解，才能識別它是在空中飛行還是棲息在太陽能電池板上。
亞當(dāng)·希曼斯基(Adam Szymanski)是阿貢實驗室(Argonne LABS)的一名軟件工程師，他在那里負(fù)責(zé)為鳥類觀察者開發(fā)人工智能。他說，他使用的機器視覺軟件是從他的另一個項目發(fā)展而來的，該項目可以自動探測空中的小型無人機。無人機不像鳥類那樣有翅膀或腿，所以教算法識別它們相對容易。但是使用該算法來檢測鳥類需要Argonne團隊在數(shù)千張圖像中仔細(xì)標(biāo)記鳥類，這樣它們就可以作為算法的訓(xùn)練數(shù)據(jù)。
“我們正在進行的機器學(xué)習(xí)研究有點獨特，”Szymanski說。“我們不只是想對圖像中的物體進行分類。它必須隨著時間的推移對快速移動的物體進行分類。當(dāng)一只鳥在飛行時，你在一些幀中看到一個點，在其他幀中看到它的翅膀，我們需要在它飛行時在攝像機的視場中跟蹤它。”
軟件技術(shù)挑戰(zhàn)
計算死鳥數(shù)量是高重復(fù)性、令人討厭的任務(wù)，這正是人工智能擅長的事情。但實際上，在太陽能電站中部署該系統(tǒng)充滿了技術(shù)挑戰(zhàn)。可以說，最困難的任務(wù)是，如何教會機器學(xué)習(xí)算法在復(fù)雜環(huán)境中有效地識別鳥類。鳥類的大小、形狀和顏色各不相同，這就意味著算法必須對 “鳥” 這個抽象概念有充分的理解，才能識別出它們是在空中飛行，還是在太陽能電池板上棲息。
亞當(dāng) · 希曼斯基（Adam Szymanski）是阿貢實驗室的一名軟件工程師，他正在領(lǐng)導(dǎo)該實驗室人工智能鳥類觀察者的開發(fā)。他說，現(xiàn)在所用的機器視覺軟件是從他的另一個自動探測空中小型無人機的項目中發(fā)展出來的。無人機沒有像鳥一樣的翅膀，也沒有腿，所以教會算法識別無人機相對簡單。但是，若要將算法用于檢測鳥類，則需要阿貢實驗室團隊在數(shù)千張圖像中仔細(xì)地對鳥類進行標(biāo)記，以便將它們用作算法的訓(xùn)練數(shù)據(jù)。
希曼斯基說：“我們正在研究的機器學(xué)習(xí)研究有點獨特，我們不只是想對一張圖像中的物體進行分類。它必須隨著時間的推移對快速移動的物體進行分類。鳥在飛行時，在一些幀中你會看到一個點，在其他幀中你會看到它的翅膀，我們需要跟蹤在攝像機視野中快速飛過的鳥類。”
硬件技術(shù)挑戰(zhàn)
該系統(tǒng)的硬件也面臨一些挑戰(zhàn)。太陽能電站往往位于偏遠地區(qū)，這里通常也沒有機器學(xué)習(xí)所需要的基礎(chǔ)設(shè)施。附近沒有數(shù)據(jù)中心，網(wǎng)絡(luò)帶寬有限，甚至電力都很難獲得。希曼斯基說，“你會認(rèn)為太陽能電站應(yīng)該有電，因為它們生產(chǎn)電。但是這些硬件沒有與電池板連接的電源插座。”這意味著，運行鳥類觀測算法的硬件必須是資源節(jié)約型的，因為它將使用電池或自帶的小型太陽能電池板，同時還必須處理大量的實時數(shù)據(jù)。
為了實現(xiàn)這一目標(biāo)，阿貢國家實驗室團隊正在使用由 Boulder AI 公司開發(fā)的監(jiān)控行人和車輛交通的商用硬件。Boulder AI 公司的小型攝像系統(tǒng)是為邊緣計算而設(shè)計的，研究人員將其安裝在了太陽能電池板上。
今天，濱田文子和她的團隊正在從安裝在伊利諾斯州附近的兩個太陽能電站的攝像機中收集訓(xùn)練數(shù)據(jù)。科學(xué)家們計劃將逐步擴大該項目，覆蓋美國各地的幾十個商業(yè)和政府太陽能電站，但新冠病毒疫情拖延了這一進度。起初，阿貢國家實驗室的人工智能系統(tǒng)只是試圖正確識別進入其視野的鳥類，但希曼斯基表示，最終它將足夠復(fù)雜，能夠區(qū)分少數(shù)幾種鳥類的行為，比如棲息在太陽能電池板上或撞向太陽能電池板。
這些數(shù)據(jù)將對研究人員至關(guān)重要，他們最終的任務(wù)是尋找防止太陽能電站鳥類死亡的解決方案。這還將幫助他們了解當(dāng)?shù)丨h(huán)境，如天氣或一天中不同時間，是如何影響鳥類行為的，或者可以確定其他可能導(dǎo)致鳥類死亡的原因。斯波勒說：“在沒有人類在場的情況下，能夠看到鳥類與場地的互動是非常有益的。這項技術(shù)讓我們得以窺探到一個我們通常看不到的世界，同時讓我們以對野生動物影響最小的方式進行相關(guān)研究。”
上一篇：太陽能熱發(fā)電技能的概念與分類 下一篇：太陽能光伏小科普