L’abbinamento tra scienza dei dati e biologia marina sta contribuendo alla protezione di una delle specie più minacciate dell’Oceano Atlantico. Fathom Science, spin-off della North Carolina State University, sta infatti sviluppando un modello predittivo che punta a ridurre il rischio di collisioni tra navi e balene franche del Nord Atlantico, cetacei classificati come specie in pericolo critico di estinzione.
Il cuore del progetto è WhaleCast, un sistema che combina dati oceanografici e avvistamenti storici delle balene per creare mappe di calore che indicano la probabilità della loro presenza lungo la costa orientale degli Stati Uniti. Queste mappe, pensate per essere integrate nei touchscreen di bordo delle imbarcazioni, offrono ai marinai uno strumento per valutare in tempo reale i rischi di attraversamento delle rotte migratorie di questi animali, promuovendo la riduzione della velocità nelle aree a rischio e contribuendo così alla diminuzione degli impatti.
L’ideazione del sistema è stata guidata da Taylor Shropshire, responsabile del settore Marine Resiliency presso Fathom Science, che ha osservato come la disponibilità di dati storici accurati sugli avvistamenti di balene potesse essere sfruttata per costruire un modello statistico affidabile. "Ogni volta che si raccolgono buone osservazioni di un evento oceanico, è possibile costruire previsioni statistiche sulla sua futura ricorrenza".
Per aumentare la precisione di WhaleCast, Fathom si è affidata al programma Data for Good di Sas, che consente di applicare metodi avanzati di machine learning a progetti con impatto sociale. Utilizzando la piattaforma Sas Viya, i data scientist hanno sviluppato e testato una serie di modelli, dai più semplici a quelli basati su reti neurali, analizzandone punti di forza e limiti. La fase di validazione ha richiesto la generazione di dati sintetici — simili a quelli reali — per espandere la base informativa e migliorare la robustezza dei risultati.
Con circa mezzo milione di punti dati, il team è riuscito a suddividere le informazioni in set per l’addestramento, la validazione e il test di sette modelli diversi. Successivamente, attraverso l’ambiente di sviluppo Viya Workbench, è stata affrontata un’ulteriore sfida analitica: stimare la distanza delle balene dalla costa. L’integrazione di questo elemento ha contribuito a perfezionare i modelli, offrendo un quadro predittivo più dettagliato.
Questa collaborazione tra tecnologia e scienza applicata rappresenta un passo concreto verso la coesistenza tra attività marittime e tutela della biodiversità. Integrando l’analisi predittiva nei sistemi di navigazione, il progetto punta a trasformare la prevenzione degli incidenti con le balene da una pratica reattiva a una capacità predittiva, orientata alla conservazione.