Исследователи ускоряют анализ данных об арктических льдах и снеге с помощью ИИ
Исследователи из Университета Мэриленда в округе Балтимор (UMBC) разработали метод для более быстрого анализа обширных данных о ледяных щитах Арктики с целью получения информации о закономерностях и трендах. Масуд Яри, доцент-исследователь, и Мариам Рахнемунфар, доцент кафедры информационных систем, использовали новые технологии искусственного интеллекта для создания полностью автоматизированного метода анализа данных о льдах. Результаты опубликованы в Journal of Glaciology в рамках продолжающегося проекта BigData Национального научного фонда США.
Обработка огромных объемов данных о полярных льдах, снеге и почве, собираемых десятилетиями, всегда была сложной задачей. Процессы NASA по сбору, отслеживанию и маркировке полярных данных требуют значительной ручной работы, а обнаружение изменений может занимать месяцы или годы. Даже данные дистанционного зондирования Арктики нуждаются в ручной обработке. По словам Рахнемунфар, «большие данные радарных наблюдений очень сложно извлекать и интерпретировать, используя только ручные методы». Разрабатываемые ею и Яри методы ИИ позволяют быстрее анализировать данные для получения полезной информации о трендах, связанных с толщиной ледяных щитов и уровнем накопления снега.
Исследователи создали алгоритм, который учится идентифицировать объекты и закономерности в данных об Арктике и Антарктике. Для обучения ИИ использовались существующие неполные и «зашумленные» размеченные данные из Арктики. Хотя обучение алгоритма еще не завершено и его необходимо масштабировать для работы с множеством датчиков и локаций, он уже успешно автоматизирует ранее неэффективный и трудоемкий процесс.
Быстрое внедрение технологий ИИ для понимания толщины льда и снега в Арктике позволит ученым делать более быстрые и точные прогнозы. Это важно для международного диалога об изменении климата, поскольку скорость таяния арктических льдов влияет на повышение уровня моря. Улучшение прогнозирования масштабов таяния поможет обществу лучше смягчать последствия этого процесса.