"Люди пытались выяснить миграцию птиц в течение действительно долгого времени", - говорит Дэн Шелдон, профессор информационных и компьютерных наук в UMass Amherst, старший автор статьи и страстный любитель птиц. "Но, - добавляет Мигель Фуэнтес, ведущий автор статьи и аспирант по информатике в UMass Amherst, - невероятно сложно получить точную информацию в режиме реального времени о том, какие птицы где находятся, не говоря уже о том, куда именно они направляются".

Было предпринято много усилий, как предыдущих, так и продолжающихся, по маркировке и отслеживанию отдельных птиц, которые дали бесценную информацию. Но трудно физически пометить птиц в достаточно большом количестве - не говоря уже о расходах на такое мероприятие - чтобы сформировать достаточно полную картину для прогнозирования перемещений птиц. "Действительно трудно понять, как целый вид перемещается по континенту с помощью методов отслеживания, - говорит Шелдон, - потому что они сообщают вам маршруты, по которым следовали некоторые птицы, пойманные в определенных местах, но не то, как могли бы перемещаться птицы в совершенно разных местах".

В последние годы резко возросло число гражданских ученых, которые отслеживают перелетных птиц и сообщают о них. Любители птиц по всему миру ежегодно наблюдают более 200 миллионов птиц с помощью проекта eBird, управляемого лабораторией орнитологии Корнелла и международными партнерами. Это один из крупнейших существующих научных проектов, связанных с биоразнообразием, и у него сотни тысяч пользователей, что облегчает моделирование распространения видов по последнему слову техники с помощью проекта лаборатории eBird Status & Trends project. "Данные eBird удивительны, потому что они показывают, где птицы данного вида находятся каждую неделю по всему ареалу, - говорит Шелдон, - но они не отслеживают отдельных особей, поэтому нам нужно определить, какими маршрутами следуют отдельные птицы, чтобы наилучшим образом объяснить закономерности на уровне вида".

BirdFlow использует базу данных eBird о состоянии и тенденциях и ее оценки относительной численности птиц, а затем прогоняет эту информацию через вероятностную модель машинного обучения. Эта модель настроена на основе данных GPS и спутникового слежения в реальном времени, так что она может "научиться" предсказывать, куда будут двигаться отдельные птицы в следующий раз во время миграции.

Исследователи протестировали BirdFlow на 11 видах североамериканских птиц, включая американского вальдшнепа, лесного дрозда и ястреба Суэйнсона, и обнаружили, что BirdFlow не только превосходит другие модели отслеживания миграции птиц, но и может точно предсказывать миграционные потоки без данные GPS и спутникового слежения в реальном времени, что делает BirdFlow ценным инструментом для отслеживания видов, которые могут буквально ускользать от радаров.

"Птицы сегодня переживают быстрые изменения окружающей среды, и многие виды сокращаются", - говорит Бенджамин Ван Дорен, аспирант Корнеллской лаборатории орнитологии и соавтор исследования. "Используя BirdFlow, мы можем объединить различные источники данных и нарисовать более полную картину перемещений птиц, - добавляет Ван Дорен, - с помощью захватывающих приложений для руководства природоохранными действиями".