Met haar proefschrift richtte Clea Parcerisas (VLIZ, UGent) zich op de ontwikkeling van geautomatiseerde methoden voor het analyseren en karakteriseren van het geheel van onderwatergeluiden in ondiepe en zwaar geëxploiteerde kustgebieden. Om deze zogenaamde soundscape – veroorzaakt door zowel natuur als menselijke activiteiten – te kunnen gebruiken als een vroegtijdig alarmsignaal of ‘kanarie’ bij het monitoren van geluidsvervuiling en andere menselijke invloeden in zee.
Geluid reist een heel stuk verder onder water dan in de lucht. En veel onderwaterleven gebruikt deze geluiden om informatie uit hun omgeving te bekomen of te communiceren. Daartegenover staat dat het karakteriseren van het geheel aan onderwatergeluiden (de ‘soundscape’ of het landschap aan geluiden) ons heel wat kan leren over de samenstelling en toestand van mariene ecosystemen. Dat kan via de gestandaardiseerde inzameling van deze data met ‘passieve akoestische monitoring’ (PAM), een niet-invasieve techniek. Deze data kunnen vervolgens dienen om geluidsvervuiling en andere menselijke invloeden over langere periodes te monitoren en om veranderingen in ecosystemen beter te begrijpen. De handmatige analyse van maanden en jaren aan dergelijke data is echter niet haalbaar en kan de snelheid waarmee grote volumes aan data verzameld wordt, niet bijhouden. Daarom zijn er methodes nodig die deze data zonder al te veel manuele tussenkomst kunnen verwerken.
Opnames van soundscapes op twee locaties in de Noordzee.
Het proefschrift van Clea Parcerisas (VLIZ, UGent), op 28 juni 2024 gepresenteerd in Oostende, richt zich op de ontwikkeling van geautomatiseerde methoden bij het analyseren en karakteriseren van soundscapes in ondiepe en zwaar geëxploiteerde kustgebieden. In dergelijke zeegebieden – zoals het Belgisch deel van de Noordzee – zijn er diverse factoren die de analyse extra uitdagend maken, zoals biofouling (ongewenste aangroei van organismen op apparatuur), stromingsgeluid, geluidsmarkering en andere factoren die de voortplanting of de ontvangst van onderwatergeluiden verstoren. De methodes die Clea ontwikkelde zijn toegespitst op deze gebieden, gebieden waarover nog weinig gekend is m.b.t. de akoestische karakteristieken. De methodes omvatten al dan niet gesuperviseerde machine learning technieken, inclusief de categorisatie van soundscapes. Verschillende soundscape types zijn beschreven en deep learning technieken zijn gehanteerd om specifieke geluiden te filteren uit de lange termijn opnames.
Onderwatergeluidopnames van een drilboor (boven) en zeehonden (onder).
De methodes zijn uitgetest met data verzameld in het kader van LifeWatch, zijnde het nieuwe passieve akoestische monitoring netwerk. Finaal zoomt de onderzoekster in op hoe ongewervelde zeedieren informatie uit deze soundscapes benutten om te beslissen waar ze zich zullen vestigen. In een labo-experiment met larven van de Japanse oester, tonen Clea en haar collega Sarah Schmidlin hoe deze larven bij hun keuzes rekening houden met de soundscape. Zo bleken geluiden van oesterbanken een hoger aantal larfjes aan te trekken dan die van zandige gebieden of afkomstig van schepen.
Clea Parcerisas verdedigde haar doctoraat “Marine Soundscapes in Shallow Water: Automated Tools for Characterization and Analysis” op 28 juni op de InnovOcean Campus in Oostende. Promotoren van dit doctoraat waren Prof. Dr. Dick Botteldooren (UGent), Dr. Elisabeth Debusschere (VLIZ) en Prof. Dr. Paul Devos (UGent).