Les glaceres que es fonen redueixen els temps d'enviament, però tenen un cost ocult

Taula d'enllaços

• Antecedents, resultats i conclusions
• I. Antecedents
• II. Descripció de les dades
• III. Anàlisis
• IV. Discussió
• V. Mètodes
• VI. Declaracions
• VII. Agraïments

Fons

La reducció de la coberta de gel marí amb l'escalfament de l'Àrtic facilita el trànsit dels vaixells per rutes notablement més curtes que les tradicionals. El sistema d'identificació automàtica (AIS), dissenyat idealment per evitar col·lisions amb vaixells, transmet informació sobre la navegació del vaixell (actualment 27 tipus de missatges) com ara el nom, la posició o la velocitat, és una potent font de dades per controlar el progrés del transport marítim a l'Àrtic com a coberta de gel. disminueix.

Resultats

A partir de l'anàlisi d'una plataforma en línia que recull dades d'AIS d'enviament, es va quantificar la distribució espacial del transport marítim a través de l'oceà Àrtic, la seva intensitat i l'evolució temporal, en relació amb l'àrea alliberada per la zona de gel marí. El transport marítim a través de l'oceà Àrtic es distribueix espacialment seguint una distribució de cua pesada, la qual cosa implica un trànsit pesat per una zona àrtica limitada, amb un exponent que depèn de la categoria de vaixell.

La pesca és la categoria amb més dispersió espacial, amb l'amplada de les rutes de navegació correlacionada amb la zona de gel marí proximal. L'evolució temporal d'aquestes rutes es caracteritza per l'augment de períodes prolongats d'activitat naviliera al llarg de l'any.

Conclusions

Les dades d'AIS ofereixen informació valuosa sobre l'activitat de la flota internacional a tot el món. En el context dels nous acords internacionals, és una font valuosa per controlar el transport marítim, la pesca i el potencial impacte en la vida marina, entre altres aspectes. En els darrers anys ens hem centrat en el transport marítim àrtic, que està creixent ràpidament, especialment al voltant de les rutes costaneres del pas del nord-est i del nord-oest, oferint una oportunitat per dissenyar rutes de transport més curtes i reduir les emissions de gasos d'efecte hivernacle del transport de mercaderies, però a un risc d'impactes sobre l'ecosistema àrtic.

I. ANTECEDENTS

El trànsit marítim representa el mode de transport dominant en el comerç mundial, oferint més del 80% del volum del comerç internacional de mercaderies [1]. De fet, el creixement econòmic ha comportat un augment paral·lel del 60% del trànsit marítim en el període comprès entre 1992 i 2002 [2]. La importància del transport marítim per a l'economia global es va evidenciar el 2020 quan el canal de Suez es va bloquejar quan el vaixell portacontenidors Ever Given va quedar encallat. L'oportunitat d'aprofitar l'obertura de noves rutes àrtiques que porten mercaderies des d'Àsia a Europa i Amèrica del Nord a causa de la disminució de la coberta de gel augmentarà el trànsit i comportarà noves amenaces per a aquest ecosistema vulnerable [3], afegint-se als impactes directes del clima ràpid. canvi a l'Àrtic. De fet, una estimació del temps d'enviament ha revelat un augment del 7% entre el 2013 i el 2022 [4].

Les tecnologies de seguiment estan jugant un paper important en l'anàlisi del moviment dels vaixells pels oceans, permetent quantificar el comportament de múltiples vaixells amb conseqüències econòmiques, polítiques i ecològiques. Per exemple, el seguiment dels vaixells de pesca va facilitar la inferència de punts calents de l'activitat pesquera [5–7]. A més, la superposició entre les trajectòries dels vaixells pesquers i el seguiment del moviment d'animals marins ha revelat les regions amb un alt risc de superposició i, per tant, risc de captura accidental entre vaixells pesquers i taurons [8], i el risc de col·lisió de grans vaixells i taurons balena [8]. 9].

Actualment, els productes derivats de les dades de seguiment de vaixells estan disponibles obertament. Per exemple, el producte principal de Global Fishing Watch descriu l'esforç de pesca a una alta resolució espacial i temporal a nivell mundial [5]. No obstant això, els conjunts de dades més amplis, com ara les trajectòries d'altres categories de vaixells a nivell mundial, estan disponibles amb compra privada. Per superar el problema de la propietat i l'estandardització de les dades, s'estan desenvolupant noves iniciatives per realitzar anàlisis en línia amb accés a conjunts de dades prèviament nets, preprocessats i validats científicament de múltiples fonts. En aquesta direcció, HUB Ocean ha desenvolupat la plataforma de dades oceàniques (oceandata.earth), on els científics poden realitzar anàlisis en línia de múltiples conjunts de dades que descriuen diversos fenòmens oceànics, com ara infeccions de paràsits en piscifactories, emissions globals de vaixells o dades geoespacials que descriuen les àrees marines protegides. (AMP).

Aquí, informem de la nostra anàlisi del trànsit marítim a l'oceà Àrtic entre gener de 2020 i abril de 2022 mitjançant una anàlisi de dades desenvolupada en una setmana de previsualització privada de la plataforma de dades oceàniques.

II. DESCRIPCIÓ DE DADES

Trànsit marítim. L'ús espacial dels vaixells que transitaven per l'oceà Àrtic es va deduir a partir de les dades del sistema d'identificació automàtica (AIS). AIS és un sistema introduït per a la seguretat marítima que proporciona, entre diferents variables de dades, la velocitat, latitud i longitud dels vaixells que utilitzen el sistema. La plataforma Ocean Data Platform va agregar dades de seguiment d'AIS a una resolució mensual amb una alta resolució espacial i va informar del nombre d'hores que cada cel·la de la xarxa ha estat transitada pels vaixells. El temps de trànsit mensual va estar disponible des de gener de 2020 fins a abril de 2022 i va especificar cinc categories de vaixells (càrrega, pesca, passatgers, camió cisterna i altres). Per a la nostra anàlisi, vam introduir una quadrícula global de resolució de 0,1◦ × 0,1◦, seleccionant latituds superiors al cercle polar àrtic (66,6◦, figura 1).

L'evolució temporal de l'àrea coberta per les rutes marítimes es va complementar amb el conjunt de dades utilitzat per a una avaluació prèvia del trànsit marítim de l'Àrtic [10], per proporcionar una comparació del conjunt de dades de la plataforma de dades oceàniques i il·lustrar l'evolució a llarg termini del tràfic marítim a l'oceà Àrtic. Aquest conjunt de dades anterior informava del nombre mensual de vaixells únics detectats pel sistema AIS a cada cel·la de quadrícula de 0,25◦×0,25◦, entre juliol de 2010 i maig de 2015.

Coberta de gel marí. La zona de gel marí es va obtenir a partir del Sea Ice Index, proporcionat pel National Snow and Ice Data Center (Estats Units) [11]. Aquest conjunt de dades va informar de l'evolució mensual de la zona de gel marí a l'hemisferi nord, així com de subregions específiques de l'Àrtic, on vam considerar l'àrea de l'arxipèlag canadenc, la badia de Baffin i el mar de Beaufort per a la ruta del pas del nord-oest, mentre que vam considerar la Mar de Sibèria oriental, mar de Kara i mar de Barents per la ruta del nord-est.

III. ANÀLISIS

La densitat d'enviament es va calcular com el temps de trànsit a cada cel·la de la quadrícula dividit per l'àrea de la cel·la, agregant el temps de tots els vaixells que utilitzen AIS a la regió considerada. Aquest patró va revelar punts calents de l'activitat d'enviament, tant en el mapa general com en els patrons específics associats a diferents categories de vaixells (Fig. 1). Els vaixells pesquers van representar la major contribució al transport marítim a l'oceà Àrtic, especialment al mar de Barents, però també a la proximitat d'Islàndia. Els vaixells de càrrega, de manera similar als vaixells cisterna, van mostrar patrons on vam observar les rutes del pas del nord-est i del nord-oest, i aquestes últimes s'ampliaven a la badia de Baffin, on les trajectòries dels vaixells cisterna ocupaven menys àrea en aquesta regió. El trànsit de passatgers va cobrir fraccions més baixes de superfície, ja que les rutes més freqüentades eren més curtes, per exemple a les costes noruegues i islandeses.

L'heterogeneïtat de la densitat d'enviament a l'espai es va descriure per distribucions de cua pesada, de manera que la majoria de les cel·les de la quadrícula mostraven una densitat d'enviament baixa, amb unes poques cel·les que concentraven valors grans (Fig. 2). Concretament, les distribucions de densitat d'enviament per a l'agregat (entre categories) i per a categories específiques es van descriure per distribucions de llei de potència. Hem realitzat una regressió de la llei de potència a aquestes distribucions amb el paquet Python powerlaw, obtenint els exponents ajustats 1,79 (agregat), 1,49 (passatger), 1,90 (cisterna), 1,74 (càrrega) i 1,96 (pesca). Per a la pesca, vam observar dos règims, on la distribució és més propera a una distribució uniforme per a densitats baixes (és a dir, amb un exponent menor), mentre que les densitats grans implicaven una disminució més ràpida, que va ser el comportament captat per la regressió.

En resum, un model nul aleatori que considera un flux origen-destinació, amb un origen fix i una probabilitat uniforme d'arribar a qualsevol destinació o viceversa, condueix a una distribució uniforme en una dimensió, mentre que la distribució és de cua pesada amb un exponent 3. en dues dimensions.

Per detectar rutes d'enviament, hem calculat la densitat mitjana d'enviament per longitud, considerant només les cel·les de la quadrícula amb valors diferents de zero, i representem la densitat d'enviament relativa de cada cel·la de la quadrícula, és a dir, la densitat d'enviament dividida per la densitat mitjana d'enviament de la seva quadrícula. longitud (vegeu Mètodes). Hem observat que els valors més alts es localitzen a la proximitat de la riba (Fig. 3). Aquesta tècnica va revelar les principals rutes de navegació (corredors vermells a la figura 3), així com diversos punts calents de pesca a alta mar. Hem detectat dues rutes de navegació àrtiques principals, la del nord-est i la del pas del nord-oest, ambdues que uneixen els oceans Pacífic Nord i Atlàntic Nord, amb la ruta del nord-est dividint-se en dues al nord i al sud de les illes Lyakhovsky. La major part del trànsit d'ambdues rutes s'associava amb vaixells cisterna i càrrega, com ho demostra l'absència de continuïtat espacial al llarg de les rutes en vaixells de passatgers i pesquers, que s'espera que tinguin recorreguts més curts.

Després d'analitzar les propietats espacials de la densitat d'enviament al conjunt de dades agregades i a través de diferents categories de vaixells, ens vam centrar en l'evolució temporal del trànsit marítim, agregant totes les observacions del cercle polar àrtic. El trànsit marítim més elevat de tot el període correspon als vaixells pesquers seguits, en ordre decreixent, dels vaixells de passatgers, de càrrega i cisterna (fig. 4). Tot i que l'evolució relativa dels vaixells pesquers i de passatgers no va mostrar grans fluctuacions relatives, el trànsit marítim dels vaixells de càrrega i cisterna va mostrar una activitat màxima a l'estiu i a principis de tardor tant del 2020 com del 2021.

Finalment, es va quantificar l'evolució a llarg termini del pas del nord-oest i les rutes del nord-est amb un conjunt de dades complementari que descrivia el nombre de vaixells únics observats a cada cel·la de quadrícula de 0,25◦× 0,25◦ entre juliol de 2010 i maig de 2015. Per garantir la comparabilitat amb el nostre conjunt de dades, vam obtenir l'amplada de la ruta del vaixell seguint el mateix procediment que es descriu anteriorment, però tenint en compte la mateixa cel·la de quadrícula mida, és a dir, cel·les amb un costat de 0,25◦. Vam observar un patró similar en diferents anys en el cas del pas del nord-oest, mentre que la ruta del nord-est va mostrar una reducció notable del seu valor màxim en el conjunt de dades més recent, juntament amb un creixement en el període en què la ruta va mostrar activitat observable (Fig. 7).

IV. DISCUSSIÓ

La disponibilitat de dades sobre el medi marí, per exemple les trajectòries dels animals o les amenaces per a la vida marina [13], ha estat històricament limitada en contrast amb les dades que descriuen els processos que tenen lloc a terra. Tanmateix, un canvi de paradigma de la comunitat i les agències de finançament científic cap a polítiques d'intercanvi de dades es tradueix en publicacions de dades marines més freqüents. En aquest context, les plataformes en línia que recullen, netegen i estandarditzen conjunts de dades de fonts múltiples representen un benefici important per avançar en la ciència marina [14, 15]. A més, la disponibilitat de servidors per a la computació en línia comporta un canvi cap a la democratització no només de l'accés a les dades, sinó també dels recursos computacionals per processar grans dades. En aquest context, hem desenvolupat la nostra anàlisi del trànsit marítim de l'Àrtic sense cap cost mitjançant el connector de dades oceàniques de HUB Ocean, en una setmana de previsualització privada.

L'anàlisi a llarg termini del trànsit marítim a les rutes del pas del nord-est i del nord-oest va informar de la FIG. 5. Evolució temporal del trànsit marítim per longitud. El tauler superior representa la densitat d'enviament mitjana sobre cel·les amb enviament no nul a cada longitud, mentre que la part inferior representa la longitud de la secció d'aquestes cel·les. Les entrades blanques representen l'absència de trànsit. Les línies negres del panell superior representen les longituds que hem escollit com a més representatives per mesurar les rutes del pas del nord-est i del nord-oest sent, respectivament, 150º i -90º. un patró estacional esperat en ambdues rutes, mostrant una baixa variabilitat al pas del nord-oest. No obstant això, la Ruta del Nord-est va mostrar una reducció recent de l'amplada màxima del recorregut, juntament amb un comportament estacional més llarg, és a dir, el recorregut va ser més estret, però utilitzat durant una fracció més llarga de l'any. Les restriccions de mobilitat locals, regionals i internacionals per reduir la propagació de la COVID-19, sobre la ja anomenada "antroppausa" [16, 17], es van solapar amb la major part del nostre període analitzat, implicant també una reducció de les taxes de producció en fàbrica, i poden Expliqueu aquesta disminució de l'amplada de la ruta del Nord-est, ja que una disminució del trànsit comportaria que els vaixells segueixessin camins més propers a l'òptim, quant a distància, tenint en compte tots els aspectes geogràfics i restriccions ambientals (gel). De fet, una anàlisi global va revelar un descens de l'1,4% en l'ocupació del trànsit en els primers mesos de la pandèmia, especialment a l'hemisferi nord [18].

La disminució de l'extensió del gel marí a l'oceà Àrtic amb un ràpid escalfament de l'Àrtic representa una oportunitat per optimitzar les rutes de navegació, reduint la durada i els costos del trànsit i, per tant, les emissions de gasos d'efecte hivernacle. No obstant això, aquest augment del trànsit marítim a l'Àrtic pot ser un presagi de l'"acceleració blava" [19] a l'Àrtic, amenaçant les espècies marines que no estaven exposades anteriorment a perills de navegació [20], com els impactes amb vaixells [21] o sota l'aigua. soroll [22], a més d'altres factors estressants com la contaminació plàstica ja detectada [23, 24]. D'altra banda, la disponibilitat de noves rutes marítimes pot representar una retroalimentació negativa basada en l'home sobre l'escalfament global, reduint les emissions dels vaixells a causa de l'ús de rutes més curtes [25]. Aquests possibles aspectes positius i negatius posen de manifest la importància de les anàlisis de dades per controlar i gestionar el trànsit marítim de l'Àrtic, que afavoreixin la minimització dels impactes ambientals.

V. MÈTODES

Densitat d'enviament. Les dades en brut proporcionaven el temps de trànsit d'enviament a les cel·les de la xarxa d'alta resolució dels vaixells equipats amb dispositius AIS, inclosos tots els vaixells en trànsit i el seu desglossament en quatre categories de vaixells, pesca, passatgers, càrrega i camió cisterna. Hem agregat aquestes cel·les de quadrícula d'alta resolució a cel·les de quadrícula de mida 0,1 ◦ × 0,1 ◦. Hem obtingut la densitat d'enviament dividint el temps de trànsit d'enviament per l'àrea cel·lular A:

on R = 6371 km és el radi de la Terra, ϕ és la latitud en graus i ∆λ i ∆ϕ són, respectivament, els costats longitudinal i latitudinal de la cel·la en graus.

Densitat mitjana d'enviament per longitud. Calculem la densitat mitjana d'enviament per longitud com la suma dels temps de trànsit d'enviament totals per cel·les amb la mateixa longitud, dividida per l'àrea d'aquestes cel·les amb un temps de trànsit diferent de zero, seguint l'equació. 7. Per a l'evolució temporal d'aquest valor (Fig. 5, a dalt), en cada pas de temps només considerem les cel·les amb temps de trànsit diferent de zero en aquest període concret.

Amplada de la ruta per longitud. Considerem totes les cel·les de la quadrícula de la regió àrtica amb una longitud específica λ i calculem l'evolució temporal del nombre de cel·les N (λ, t) que mostraven un temps de trànsit diferent de zero. Hem calculat l'amplada de la ruta W (λ, t) com la longitud de la secció transversal latitudinal d'aquestes cel·les:

VI. DECLARACIONS

A. Finançament

JPR va comptar amb el suport del programa Juan de la Cierva Formacion (Ref. FJC2019-040622-I) finançat per MCIN/AEI/ 10.13039/501100011033. JPR va rebre el suport de l'Agència Espanyola de Recerca MCIN/AEI/10.13039/501100011033 a través del projecte MISLAND (PID2020-114324GB-C22).

Aquesta investigació compta amb el suport de la Unitat d'Excel·lència de Mar´ıa de Maeztu 2023-2027 Refs. CEX2021-001201- M i CEX2021-001164-M, finançats per MCIN/AEI /10.13039/501100011033.

B. Aportacions de l'autor

JPR: Conceptualització, Curació de dades, Anàlisi formal, Programari, Visualització, Redacció: Esborrany original. KK: Anàlisi formal, Redacció: revisió i edició. CMD: conceptualització, redacció: revisió i edició. VME: Conceptualització, Anàlisi formal, Redacció: Esborrany original.

VII. AGRAÏMENTS

Els autors reconeixen la plataforma HUB Ocean hubocean.earth per l'accés a les dades i les instal·lacions computacionals per executar de forma remota totes les anàlisis, a través del connector de dades d'oceà.

[1] UNCTAD, Review of Maritime Transport (publicació de les Nacions Unides, 2021).

[2] J. Tournadre, Geophysical Research Letters 41, 7924 (2014).

[3] N. Melia, K. Haines i E. Hawkins, Geophysical Research Letters 43, 9720 (2016).

[4] M. M¨uller, M. Knol-Kauffman, J. Jeuring i C. Palerme, npj Ocean Sustainability 2, 12 (2023).

[5] DA Kroodsma, J. Mayorga, T. Hochberg, NA Miller, K. Boerder, F. Ferretti, A. Wilson, B. Bergman, TD White, BA Block, et al., Science 359, 904 (2018) .

[6] JP Rodr´ıguez, J. Fern´andez-Gracia, CM Duarte, X. Irigoien i VM Egu´ıluz, Science Advances 7, eabe3470 (2021).

[7] TH Frawley, B. Muhling, H. Welch, KL Seto, S.-K. Chang, F. Blaha, Q. Hanich, M. Jung, EL Hazen, MG Jacox, et al., One Earth 5, 1002 (2022).

[8] N. Queiroz, NE Humphries, A. Couto, M. Vedor, I. Da Costa, AM Sequeira, G. Mucientes, AM Santos, FJ Abascal, DL Abercrombie, et al., Nature 572, 461 (2019) .

[9] FC Womersley, NE Humphries, N. Queiroz, M. Vedor, I. da Costa, M. Furtado, JP Tyminski, K. Abrantes, G. Araujo, SS Bach, et al., Proceedings of the National Academy of Ciències 119, e2117440119 (2022).

[10] VM Egu´ıluz, J. Fern´andez-Gracia, X. Irigoien i CM Duarte, Scientific Reports 6, 30682 (2016).

[11] F. Fetterer, K. Knowles, WN Meier, MM Savoie i AK Windnagel, "Sea Ice Index, versió 3" (2017). [12] J. Alstott, E. Bullmore i D. Plenz, PLoS ONE 9, e85777 (2014).

[13] AMM Sequeira, GC Hays, DW Sims, VM Egu´ıluz, JP Rodr´ıguez, MR Heupel, R. Harcourt, H. Calich, N. Queiroz, DP Costa, et al., Frontiers in Marine Science 6, 639 (2019).

[14] T. Tanhua, S. Pouliquen, J. Hausman, K. O'brien, P. Bricher, T. De Bruin, JJ Buck, EF Burger, T. Carval, KS Casey, et al., Frontiers in Marine Science 6, 440 (2019).

[15] JJ Buck, SJ Bainbridge, EF Burger, AC Kraberg, M. Casari, KS Casey, L. Darroch, JD Rio, K. Metfies, E. Delory, et al., Frontiers in Marine Science 6, 32 (2019). ).

[16] C. Rutz, M.-C. Loretto, AE Bates, SC Davidson, CM Duarte, W. Jetz, M. Johnson, A. Kato, R. Kays, T. Mueller, et al., Nature Ecology & Evolution 4, 1156 (2020).

[17] AE Bates, RB Primack, BS Biggar, TJ Bird, ME Clinton, RJ Command, C. Richards, M. Shellard, NR Geraldi, V. Vergara, et al., Biological Conservation 263, 109175 (2021).

[18] D. March, K. Metcalfe, J. Tintor´e i BJ Godley, Nature Communications 12, 2415 (2021).

[19] J.-B. Jouffray, R. Blasiak, AV Norstr¨om, H. Osterblom, ¨ i M. Nystr¨om, One Earth 2, 43 (2020). [20] KA Burek, FM Gulland i TM O'Hara, Ecological Applications 18, S126 (2008).

[21] R. Reeves, C. Rosa, JC George, G. Sheffield i M. Moore, Política marina 36, 454 (2012).

[22] OM Tervo, SB Blackwell, S. Ditlevsen, E. Garde, RG Hansen, AL Samson, AS Conrad i MP Heide-Jørgensen, Science Advances 9, eade0440 (2023).

[23] A. C´ozar, E. Mart´ı, CM Duarte, J. Garc´ıa-de Lomas, E. Van Sebille, TJ Ballatore, VM Egu´ıluz, JI Gonz´alez-Gordillo, ML Pedrotti, F. Echevarr´ıa, et al., Science Advances 3, e1600582 (2017).

[24] I. Peeken, S. Primpke, B. Beyer, J. G¨utermann, C. Katlein, T. Krumpen, M. Bergmann, L. Hehemann i G. Gerdts, Nature Communications 9, 1505 (2018) .

[25] J. Browse, K. Carslaw, A. Schmidt i J. Corbett, Geophysical research letters 40, 4459 (2013).