研究人员开发了一种人工智能，可以在几秒钟内以99%的准确率绘制南极大型冰山，这比以前的人工绘制方法有了巨大的改进，并有助于环境监测。
在一项突破性的进展中，利兹大学的研究人员推出了一种神经网络，可以快速准确地在卫星图像中绘制南极大型冰山的分布图，仅需0.01秒就能完成这项任务。这种新颖的方法是显而易见的与劳动和时间相对照消耗以前需要的手工工作。
研究结果发表在11月9日的《冰冻圈》(the Cryosphere)杂志上，主要作者安妮·布拉克曼-福尔格曼在英国利兹大学攻读博士学位期间进行了这项研究。她现在在特罗姆瑟的挪威北极大学工作，她强调了大型冰山在南极环境中的重要性。
这张由哥白尼哨兵1号雷达卫星任务拍摄的照片显示了南极洲西海岸外阿蒙森海的冰山。巨大的冰山是南极环境的重要组成部分。它们影响着海洋物理、化学、生物，当然还有海上作业。因此，监测冰山的范围和量化它们向海洋释放的融水的数量至关重要。在一项突破性的进展中，利兹大学的研究人员公布了一种神经网络，它可以快速准确地绘制出哥白尼哨兵1号卫星雷达图像中的大型南极冰山的分布图，仅在0.01秒内完成任务。这种新颖的方法与以前需要的费力和耗时的手工工作形成鲜明对比。资料来源:包含修改后的哥白尼哨兵数据(2015年)，由欧空局处理
冰山监测的意义
“巨大的冰山是南极环境的重要组成部分。它们影响着海洋物理、化学、生物，当然还有海上作业。因此，确定冰山的位置并监测它们的范围，量化它们向海洋释放了多少融水是至关重要的。”
哥白尼哨兵-1雷达任务在利用人工智能绘制冰山地图的创新方法中发挥了关键作用，它可以在云层覆盖和缺乏日光的情况下提供冰山图像。
冰山探测的挑战
在携带类似照相机的仪器的卫星拍摄的图像中，冰山、海冰和云层都呈现白色，这使得人们很难分辨出真正的冰山。
然而，在哨兵1号传回的大多数雷达图像中，冰山在较暗的海洋和海冰背景下显得明亮。
哥白尼哨兵1号携带先进的合成孔径雷达，可在几种特殊模式下工作，为欧洲的哥白尼计划提供详细的图像。这些数据用于监测海洋，包括航道、海冰、冰山和石油泄漏。图片来源:ESA / ATG medialab
然而，当周围环境很复杂时，有时仍然很难区分冰山和海冰，甚至是海岸线。
布拉克曼-福尔格曼博士解释说:“我们有时很难将冰山与周围的海冰分开，这些海冰更粗糙、更古老，因此在卫星图像中看起来更亮。同样的道理也适用于狂风大作的海洋。
“此外，较小的冰山碎片经常出现在冰山附近，因为它们不断失去边缘周围的冰块，很容易错误地与主要冰山组合在一起。”
“此外，南极海岸线在卫星图像中可能类似冰山，因此标准分割算法通常也会选择海岸，而不仅仅是实际的冰山。”
神经网络能力
然而，即使在这些具有挑战性的条件下，新的神经网络方法也能在绘制冰山范围方面表现出色。它的力量在于神经网络能够理解复杂的非线性关系，并将整个图像环境考虑在内。
为了有效地跟踪冰山面积和厚度的变化，了解冰山如何溶解并将淡水和营养物质释放到海洋中至关重要，精确定位一个特定的巨型冰山进行持续监测至关重要。
巨大的冰山是南极环境的重要组成部分。它们影响着海洋物理、化学、生物，当然还有海上作业。因此，监测冰山的范围和量化它们向海洋释放的融水的数量至关重要。在一项突破性的进展中，利兹大学的研究人员公布了一种神经网络，它可以快速准确地绘制出哥白尼哨兵1号卫星雷达图像中的大型南极冰山的分布图，仅在0.01秒内完成任务。这种新颖的方法与以前需要的费力和耗时的手工工作形成鲜明对比。来源:利兹大学
本研究中引入的神经网络在识别每张图像中最大的冰山方面非常熟练，而不像比较方法那样经常选择附近略小的冰山。
神经网络的架构基于著名的U-net设计。它使用哨兵1号的图像进行了精心的训练，这些图像显示了各种环境下的巨大冰山，并以手动导出的轮廓作为目标。
在整个训练过程中，系统不断改进其预测，根据人工导出的轮廓和预测结果之间的差异调整其参数。当系统达到最佳性能时，训练自动停止，以确保其在新示例上的适应性和成功。
研究成果及启示
该算法已经在七座冰山上进行了测试，冰山的面积从54平方公里到1052平方公里(21平方英里到406平方英里)不等，大致相当于瑞士伯尔尼和香港的面积。
他们编制了一个多样化的数据集，每个冰山包含15到46张图像，跨越了2014年至2020年的不同季节。
每个冰山每月使用一张Sentinel-1图像，以确保数据集的多样性。准确率达到99%，结果令人印象深刻。
Braakmann-Folgmann博士补充说:“能够以更高的速度和准确性自动绘制冰山范围，将使我们能够更容易地观察到几个巨大冰山的冰山面积变化，并为实际应用铺平道路。”
欧空局的马克·德林克沃特指出:“当然，卫星对于监测变化和了解远离文明的过程至关重要。这种新的神经网络可以自动完成定位和报告冰山范围的手动和劳动密集型任务。
“我们祝贺团队引入这种创新的机器学习方法，以实现一种强大而准确的方法来监测脆弱的南极地区的变化。”
参考资料:《用深度学习绘制南极巨大冰山的范围》，作者:安妮·布拉克曼-福尔格曼、安德鲁·谢泼德、大卫·霍格和埃拉·雷德蒙德，2023年11月9日，《冰冻圈》。DOI: 10.5194 / tc - 17 - 4675 - 2023
分享
推特
电子邮件
分享
以前的文章
更多关于sciitechdaily
健康
科学
空间
健康
地球
生物学
健康
空间
