研究人员正在使用一种新的人工智能工具来探测南大洋的冰山。这是能够通过卫星数据追踪南极洲大多数冰山完整生命周期的第一步。这项名为“从双极化SAR图像中检测海冰内冰山数量的无监督机器学习”的研究发表在《环境遥感》杂志上。
冰山在海洋动力学中起着关键作用。例如，当冰山融化时，它们向海洋释放淡水和营养物质，影响初级生产力、海洋环流以及海冰的形成和破裂。冰山也会给船只带来危险，所以关于冰山位置和大小的准确、最新的知识是至关重要的。
这种新方法可以在有很多海冰的环境中识别冰山，这在以前是不可能的。利用这一工具，科学家们将能够在冰山崩解时发现它们，并在它们的整个生命周期中追踪它们，直到它们消亡，从而更全面地了解南大洋冰山的动态。至关重要的是，研究人员将能够监测海冰丰富的地方的冰山，以及靠近冰山密集聚集的产冰地点的冰山。
为了探测冰山，该工具使用了合成孔径雷达(SAR)的数据，这是一种安装在哨兵1号卫星上的仪器，它从太空传输微波信号并测量反射辐射的强度。由于冰山表面冰雪的结晶结构，冰山是很好的微波反射体，所以它们在卫星图像中显示出强烈明亮的信号。使用微波也意味着这些图像可以在白天或晚上通过云层收集，这在南大洋上很常见。
在这项研究中，研究人员在2019年10月至2020年9月的12个月期间拍摄的不同卫星图像上展示了人工智能算法的性能。该工具确定了近3万座冰山;其中大多数相对较小，面积为1平方公里或更小。
研究人员选择了位于南极洲西部的Amundsen 海海湾作为他们的研究地点，这里靠近斯韦茨冰川的产冰前沿。该地区混合了开放水域、海冰和不同大小的高密度冰山，使其成为测试人工智能工具的理想场所。了解南极西部冰盖，特别是这一地区将如何变化，是研究未来海平面上升的研究人员的首要任务。
Ben Evans是英国南极调查局(BAS)人工智能实验室的一员，也是该论文的主要作者，他说:“我们用来开发这种工具的技术已经被广泛用于医学成像，所以我们很高兴将同样的技术应用于极地海洋SAR卫星图像中看到的复杂特征。”
“我们使用的方法与其他替代的冰山检测方法一样准确，并且在不需要人工输入的情况下优于大多数方法。这意味着它可以很容易地扩展到我们的研究区域之外，甚至可以提供近乎实时的监测。”
冰盖上的冰山崩解进入南大洋是南极冰盖冰流失的主要方式之一。因此，不断增加的冰裂可能标志着对海平面上升的贡献越来越大。研究人员希望利用这种人工智能方法来识别冰山数量、大小和路径的任何变化，这些都是气候变化的预期后果。该团队目前正在分析自2014年哨兵1号任务开始以来所有可用的数据。
Scott Hosking是阿兰·图灵研究所人工智能实验室的负责人，也是图灵研究与创新集群的联合主任，他说:“由于复杂的物理学以及海洋、冰和大气之间的相互作用，监测和预测有多少数十亿吨的冰融化到世界海洋中是一项重大挑战。我们正在开发南极的数字孪生体，以帮助整合和共享我们的极地基础设施和工具(从自动水下航行器到人工智能模型)的数据，以支持决策，并使英国保持在极地科学的前沿。”
