当人们不再受限于单独依靠人力浏览及分析图片时，信息生产变得更加庞大了。

蓝芽似乎会在照片的某处冒出来，而另一个地方则会出现一片灌木状的粉紫色芽孢。即便是没有经过训练的眼睛，也能看出每片芽孢都是明显不同的，而且都是珊瑚。随后，Manuel González-Rivero指向了第三簇。这些球根状的家伙看起来像珊瑚，不过其光滑的灰色表面看起来与珊瑚有些不同。“其质地和颜色表明，你看到的或许不是珊瑚。”他说，“很有可能是紧贴在岩石上的珊瑚藻。”

这个图像是XL卡特琳海景调查项目采集的一张高清全景照片，该app计划从2012年启动，目的是收集全球的珊瑚礁。为了了解珊瑚礁如何对过度捕鱼、污染、全球变暖以及海洋酸化作出回应，包括生态学家González-Rivero在内的卡特琳团队正在利用数以百万计的水下照片记录珊瑚的丰富程度、健康状况、结构和生物多样性。

如果通过人力手动方式，需要数十年才能浏览完这些图片，即便是以González-Rivero的专业眼光看也是如此。但是卡特琳团队在使用一个神经网络算式：一套计算机能够对看到的珊瑚礁照片进行分类的深度学习系统。该项目由美国加州大学伯克利分校计算学家Oscar Beijbom带领，该软件能够在数月内快速浏览卡特琳团队的巨大照片库，目前大约为100万张照片。

这个软件仅是珊瑚礁研究人员利用计算机app和软件发展加速分析全球水下珊瑚礁图像的一个注册。将这些工具与优质成像以及收集标准生物数据的感应器相关联，将会开启一个半自动化数据收集和监测的新时代，让生态学家获得解放，使他们不必再花费过多时间处理数据，而是利用更多时间作研究。

“这向前迈进了一大步。”马里兰州美国国家海洋与大气管理局（NOAA）管理珊瑚礁监测项目的Mark Eakin说，“当人们不再受限于单独依靠人力浏览及分析图片时，信息生产变得更加庞大了。”

海洋数据

珊瑚研究者进入大数据世界的时间有点晚。长期以来，受限于潜水脚蹼以及氧气罐容量的限制，海洋生物学家都在竞相扩大对海洋温度升高以及海水酸化长期影响的记录和了解。伴随2015—2016年热带太平洋区域发生的厄尔尼诺变暖事件的全球珊瑚褪色进一步加剧了app家的担忧。

González-Rivero的目标是覆盖尽可能多的珊瑚礁面积，从而了解不同的珊瑚及珊瑚礁如何对这些压力作出回应。计算机永远不能代替人类的眼睛，它们也不能取代详细的水下观察以及实验室研究，但是它们能够加速基本的观察，他说。“我们正在尝试找到一个平衡点，那样我们就能够获得充足的信息了解珊瑚礁，同时以更快的速度以及更加低廉的成本做这件事。”

研究质量不能打折扣：根据Beijbom尚未发表的研究成果，深度学习系统对珊瑚照片的分析能够在81%的情况下与人眼一致。考虑到即便是两名专家之间的统一度也仅有84%，这一精确度已经相当高。

Beijbom计划在未来几个月内对向其网站珊瑚网（CoralNet）上传照片的任何人开启该算式，珊瑚网已经利用计算机辅助系统进行自动化图片分析。由于有NOAA的资助，这项服务是免费的，来自包括NOAA在内的各个机构的420名用户已经向该网站上传了近26.9万张照片。最佳的结果似乎来自于一个半自动化的项目，其中计算机进行简便分析，并会有一些它不确定的情况提醒人类专家，Beijbom说。

在很多方面，González-Rivero说，海洋app正在追赶陆地app项目，相关科研项目已经研发出了各种工具，用于收集与处理来自卫星和飞行器的丰富资料。这些软件和硬件并不能直接被用于海洋分析，由于海洋会吞掉光线，因此只能从上面研究浅水珊瑚礁，其他的则很难分析。

这让珊瑚研究人员开始改变这些工具。例如，在密歇根州立大学，生理学家David Kramer 和Atsuko Kanazawa已经修改了一个原用于农业研究的手动感应器。当在陆地上使用时，这些感应器能够测量诸如植物荧光性、土壤碳含量以及空气的温度和湿度等信息。全球18个国家约有300个感应器在投入使用，每次当研究人员或政府官员读取数据时，这些信息就会被上传到一个中央处理器进行分析。

修改后的系统被称为CoralspeQ，能够用不同的光线与珊瑚礁进行碰撞，并在从紫外线到红外线的256种波长中记录下返回的光谱信号。这些数据可用于测量珊瑚礁的光合作用活动，例如通过测量共生藻类的叶绿素荧光，这些藻类能够向其宿主珊瑚提供氧气和营养。了解有多少光合作用活动在发生、在哪里发生可以帮助研究人员了解该压力系统，Kramer说。

该设备利用商业上可获得的感应器，并利用3D打印机制成。Kramer和Kanazawa希望可以使水下装备的价格从目前500美元的水平上降低下来，从而尽可能地使其到达每位app家的手中。“我们需要一支能够进行高质量检测的队伍。”Kramer说。

计算机辅助版本

海洋微生物学家Arjun Chennu研发了一种水下成像系统，可以在更大辐射范围内收集更详细的数据。珊瑚生态学家随后可以解释这些图像，这些信息被输入到一个基于开放资源机器学习软件的神经网络算式内，该软件类似于Beijbom研发的软件。该设备的高光谱意味着它可以获得比人眼更多的信息，德国马普学会海洋微生物研究所的Chennu说。这会使其更容易区分在标准图像中看起来相似的珊瑚。“例如，我们将经常使用的‘其他珊瑚’种类划分到更加正常的分类种类中，还包括海绵体、藻类以及海草等。”他说。

其他人还通过将二维图像与三维模型重合，改造了已经被用于绘制地理图片以及分析滑坡的商业软件。夏威夷大学马诺海洋生物研究所博士生John Burns曾使用过一个叫作Agisoft PhotoScan的系统，该软件专业版为549美元。免费的软件也可以获得，但是精度却不够，Burns说。

当该模型采用品质更佳的相机时，可以获得1毫米的分辨率，它可让人或计算机用来分辨珊瑚物种以及计算珊瑚礁覆盖数量。但是因为它们是三维的，因此还可以用于跟踪珊瑚褪色以及海洋高温导致珊瑚破坏（一种新的生态信息）时的结构性变化。

对于Burns来说，这一方法的魅力在于其简便性：数据可以快速收集，而且不需要太多培训。“这种方法可以让你用相机拍摄数十万张单透镜图像，然后你可以将其拼接在一起。”他说。

标准储存

精准的技术并不是唯一答案，纽约野生动物保护协会海洋生态学家Emily Darling说。因此各种研究工作在收集数量越来越多的珊瑚礁数据，收集标准化的数据集并将其储存在可以由整个学界获取的信息库中就变得非常重要。

例如，为了收集近日全球珊瑚褪色事件的系统化数据，Darling及其同事想到了一种非常简单的技术——Excel电子表格，全球app家可以用其注册各种关于珊瑚礁状况的数据。其中的价值是，当app家上岸后，他们可以迅速输入及分析数据，Darling现在已经掌握了来自13个国家超过6.1万珊瑚礁栖息地的统一结果。其中约有58%的珊瑚礁出现褪色现象。

最终，Darling表示，珊瑚生态学家需要在一个中心库中汇聚这些在全球范围内收集的信息。“我们需要能够获取信息的地方，它们可以讲述故事，人们也可以去那里了解保护活动是否在起作用。”她说，“我们需要能够以更快的速度回答这些问题。”（冯维维）