Оценка воздействия офшорных ветряных электростанций на бентос мягкого дна на полуострове Шаньдун с использованием машинного обучения

Жизнь на дне встречается с ветровой энергетикой

По мере того как офшорные ветряные парки распространяются вдоль побережий, многих волнует, что бесконечные ряды турбин делают с жизнью на дне моря. В этом исследовании вопрос подробно изучен для четырёх крупных парков у полуострова Шаньдун в Китае. На основе почти десятилетних полевых наблюдений в сочетании со спутниковыми данными и современным компьютерным моделированием авторы показывают, как сообщества донных организмов сначала испытывают стресс, затем восстанавливаются и в каком‑то смысле даже процветают вокруг этих энергетических сооружений.

Изменяющееся дно под турбинами

Исследование сосредоточено на местообитаниях с «мягким дном» — илистых и песчаных грунтах, в которых обитают черви, моллюски, ракообразные и другие донные организмы, формирующие основу морских пищевых сетей. До строительства район в основном представлял собой ровное илистое дно. Вбивание свай, прокладка кабелей и нарушение осадков в ходе строительства вызвали временное снижение числа видов и общей биологической разнообразия сообществ. Но после ввода в эксплуатацию ветряных парков металлические опоры и каменная защита у их оснований создали участки твердой поверхности там, где её раньше не было, превратив часть дна в искусственные рифы.

Естественный эксперимент во времени и пространстве

Четыре парка строились и вводились в эксплуатацию в разное время между 2021 и 2024 годами, формируя естественную «хронологию» от недавно построенных до устоявшихся участков. С 2015 по 2024 год учёные дважды в год отбирали образцы донных животных более чем на 200 станциях: внутри парков, у их границ и в удалённых контрольных зонах. Одновременно использовали спутники для отслеживания температуры воды, уровня водорослей и взвешенных частиц. Это позволило отделить изменения, вызванные турбинами, от тех, что обусловлены более широкой климатической и океанической динамикой.

Дать данным говорить с помощью машин

Чтобы разобраться в этих сложных и разрозненных данных, команда использовала метод машинного обучения XGBoost и сопоставила его с более традиционной статистической моделью. Обе модели пытались предсказать разнообразие донного сообщества в каждой точке на основе экологических условий, расстояния до турбин, времени работы парка и доли твёрдой поверхности. XGBoost уловил большую часть реальной вариативности — объясняя примерно три четверти различий в разнообразии — и при этом выявил, какие факторы имеют наибольшее значение. Инструмент SHAP помог превратить внутренние механизмы модели в удобочитаемые ранжирования и кривые отклика.

От нарушения к восстановлению и приросту

Самый сильный сигнал, который выявили модели, — это время с момента запуска турбин. Во время строительства и в первые пару лет эксплуатации разнообразие на дне опускалось ниже исходного уровня. Примерно через два с половиной года после запуска эта тенденция меняется: разнообразие восстанавливается и затем несколько превосходит показатели до строительства. Вблизи оснований турбин, где для устойчивости добавлен камень, эффект был особенно заметен. Эти твёрдые участки поддерживали примерно на 40 процентов больше видов и примерно на 13 процентов более высокие показатели разнообразия по сравнению с близлежащими нетронутыми зонами. Шаблон указывает на классический эффект искусственного рифа: новые поверхности привлекают балансиров, мидий и других обитателей, которые в свою очередь привлекают более подвижных животных и увеличивают общую биомассу.

Поиск оптимума в проектировании

Исследование также даёт подсказки по правилам проектирования «более дружественных» ветряных парков. Разнообразие росло с увеличением доли твёрдой поверхности до некоторого предела, затем выравнивалось, что подразумевает: лучше создавать разбросанные по площади участки рифоподобного типа среднего размера, чем покрывать весь грунт камнем. Расположение турбин показало эффект в форме перевёрнутой U: при низкой плотности не происходило существенных изменений местообитания, тогда как при очень плотной застройке могли появиться шум и другие помехи, нивелирующие преимущества. Промежуточный диапазон плотности, по-видимому, поддерживал наиболее богатые сообщества.

Что это означает для океанской жизни и энергетики

Для неспециалистов главный вывод отчасти обнадёживающий. Офшорные ветряные парки сначала нарушают жизнь на дне, но в этом случае сообщества восстановились в течение нескольких лет и даже приобрели дополнительные виды вокруг фундаментов турбин. Тщательный выбор плотности турбин, конструкции фундаментов и объёма камней на дне может снизить краткосрочный вред и повысить долгосрочную ценность местообитаний. Модельная платформа авторов — сочетание полевых съёмок, спутниковых данных и интерпретируемого машинного обучения — предлагает план действий для мониторинга и улучшения экологического следа будущих ветроэнергетических проектов, помогая согласовать переход на чистую энергию с сохранением здоровых океанов.

Цитирование: Wang, L., Zhang, Y., Gu, X. et al. Machine learning-based assessment of offshore wind farm impacts on soft-bottom benthic communities in the Shandong Peninsula. Sci Rep 16, 11780 (2026). https://doi.org/10.1038/s41598-026-38939-0

Ключевые слова: офшорные ветряные электростанции, биоразнообразие морского дна, искусственные рифы, морская экология, машинное обучение в экологии