编辑推荐：
为解决小型船只水下辐射噪声（URN）数据匮乏问题，克罗地亚研究人员开展相关研究，建立包含 1148 条数据的数据库，发现小型船只 URN 与大型船只相当。推荐阅读，助您了解海洋噪声研究新进展。
在广阔的海洋世界里，水下噪声正逐渐成为一个不容忽视的问题。船舶航行产生的水下辐射噪声（URN），就像海洋中的 “隐形噪音源”，悄无声息地影响着海洋生态系统。据研究表明，URN 是海洋环境噪声的重要组成部分，而且其强度每十年就会翻倍。这可不是个小问题，它对海洋生物的影响可大着呢！从小小的贻贝到庞大的海洋哺乳动物，都深受其害。
比如说，高强度的 URN 会让海洋动物出现类似爆炸伤的钝性组织创伤，还会影响它们的行为，像社交稳定性和觅食能力都会受到干扰。对鱼类、甲壳类动物，尤其是鲸类动物来说，URN 的危害更为明显。它会干扰动物的听觉，影响它们的发声频率和间隔，还可能掩盖它们用于交流、定位和觅食的声音，甚至造成内耳毛细胞疲劳，导致生理听觉阈值改变，严重的话还会对听觉系统造成物理损伤。另外，船舶的低频噪音还会干扰海龟和大型须鲸的导航，增加它们与船只碰撞的风险。所以，URN 已经被视为一种污染源，需要对其进行监测。
然而，目前测量 URN 的标准和方法存在不少问题。现有的测量程序主要是针对在受控区域内合作的船舶设计的，对于那些没有搭载自动识别系统（AIS）的不明船只，尤其是小型船只，相关的 URN 数据少之又少。这是因为 AIS 系统只要求大型商业船只配备，小型商业和休闲船只大多没有。而世界上小型休闲船只的数量又极其庞大，仅美国就有近 1200 万艘，相比之下，大型商业船只全球只有近 10.9 万艘。而且，已有研究发现，在某些情况下，小型休闲船只产生的 URN 可能和大型商业船只一样高，甚至更高。所以，急需一种新的方法来评估小型船只的 URN。
为了解决这些问题，来自克罗地亚的研究人员在《Scientific Data》期刊上发表了一篇名为《A database of underwater radiated noise from vessels of opportunity in the ?ibenik canal, Croatia》的论文。他们通过研究发现，小型船只的 URN 不可小觑，其产生的噪音水平与大型船只相当。这一结论为海洋噪声研究提供了重要的参考，让人们对小型船只在海洋噪声污染中的作用有了新的认识。
在这项研究中，研究人员运用了多种关键技术方法。他们采用声学和光学传感器相结合的方式，在克罗地亚的希贝尼克运河（?ibenik canal）入口处搭建了测试平台。利用声学记录仪收集船只的 URN 数据，同时用岸基摄像头拍摄船只画面。通过基于机器学习的模型对视频进行分析，以此来检测、跟踪和分类船只，进而估计船只的类型、速度和大小。这种多传感器融合以及机器学习的方法，有效地解决了小型船只数据难以获取的问题。
下面我们来看看具体的研究结果。
- 视觉分析：研究人员开发了一种基于机器学习的模型来分析原始光学数据。他们使用基于 YOLOv5 的训练模型进行船只检测和分类，将船只分为 9 个类别，包括帆船、双体船、小船等。为了确定船只的大小，他们以 10 艘已知尺寸的船只作为基准，计算出米 / 像素的转换率。在速度估计方面，运用 SORT（Simple Online and Realtime Tracking）方法，基于卡尔曼滤波来计算船只速度。
- 数据记录：光学数据集被整理成 12 个文件夹，每个文件夹里都有 1 小时的视频文件和对应的.csv 文件，.csv 文件记录了船只的检测时间、类别、大小和速度等信息。声学数据集则包含了船只通过的时间、日期、类型、长度、速度，以及计算得出的声压级（SPL）、源级（SL）和三分之一倍频程频谱等信息。
- 技术验证：在船只检测结果方面，数据集中有 3799505 次船只检测记录，其中 “小船” 类别最为常见，占比约 65%。船只大小分布在 5 - 8 米和 12 - 15 米出现峰值，分别对应小型船只和普通帆船的常见尺寸。船只速度方面，驶向港口的船只速度较慢，大多数船只的绝对速度在 2.5 - 4.0 m/s（4.85 - 7.7 节）。在船只大小和速度估计的验证中，对于一艘已知尺寸的研究船，平均长度估计值为 8.495 米，与实际水线长度接近，误差约为 3%。对 9 艘同时有 AIS 数据和相机数据的船只进行验证，长度和速度的平均误差约为 7%。在航运噪声估计方面，经过质量控制后，1148 次船只航行数据被用于分析声学特征。数据集中最大的船是 54 米的超级游艇，最小的是 3.3 米的摩托艇；最快的船速度达 15.9 米 / 秒（31 节），最慢的是 1.1 米 / 秒的帆船；最响的船是 “Postira” 渡轮，源级为 188.26 dB，最安静的是一艘帆船，源级为 151.91 dB。
总的来说，这项研究意义重大。它成功地建立了一个关于机会船（VOO）的 URN 数据库，为研究小型船只的 URN 提供了丰富的数据资源。以往由于缺乏相关数据，小型船只在海洋噪声研究中常常被忽视，而这个数据库填补了这一空白。通过这个数据库，人们可以更深入地了解小型船只的 URN 特征，为制定更有效的海洋噪声管理策略提供了有力的支持。同时，研究人员也指出了研究过程中遇到的挑战，比如对于高速摩托艇，URN 估计的平均窗口时间较短，以及运河中船只交通繁忙，导致大量数据未能通过质量控制。这些问题为后续研究指明了方向，期待未来能有更多的研究来解决这些问题，让我们对海洋噪声有更全面的认识，更好地保护海洋生态环境。
