北极研究人员和遥感专家使用人工智能和高性能计算来描述地球上未开发的大型区域
通过深度学习和超级计算机，研究人员已经能够根据卫星图像识别和绘制北极永久冻土中的12亿个冰楔多边形。这些数据有助于建立一个基线，以此来检测该地区的变化。(安娜·利杰达尔，伍德威尔气候研究中心)
永久冻土——永久冻结两年或两年以上的土地——占地球的很大一部分，约占北半球的15%。
永久冻土对我们的气候很重要，它含有大量以甲烷和二氧化碳的形式储存的生物量，使苔原土壤成为一个碳汇。然而，冻土的固有特征和变化的性质尚未得到广泛的认识。
随着全球变暖使地球变暖并导致土壤融化，永冻层的碳循环预计将加速并将土壤中含有的温室气体释放到大气中，形成一个将加剧气候变化的反馈循环。
遥感是掌握冻土宽度、动态和变化的一种方法。农业、卫生和自然资源学院自然资源与环境助理教授Chandi Witharana说:“这就像一张虚拟护照，可以看到这个遥远而难以到达的世界的一部分。”
在过去的二十年里，商业卫星对北极的大部分地区进行了极其精确的测绘。这些地图是关于这一大部分未开发地区的宝贵数据。但Witharana说，这些数据是如此庞大和笨拙，这使得研究变得困难。
在美国国家科学基金会(NSF)的资助和支持下，作为“导航新北极”计划的一部分，Witharana、国家超级计算应用中心的Kenton McHenry和伍德威尔气候研究中心的北极研究员Anna Liljedahl正在使北极永久冻土的数据更容易获取。
该团队获得了在北极拍摄的100多万张照片的免费档案。这是大量的数据，以至于传统的分析和特征提取方法都失败了。“这就是我们引入基于人工智能的深度学习方法来处理和分析大量数据的地方，”Witharana说。
北极的形状
永冻层最独特、最具说服力的特征之一是冰楔，它能在卫星图像中产生可识别的多边形。冰楔多边形的形状和尺寸可以提供有关该地区变化状况和速度的重要信息。但它们使传统的分析短路。
“几年前我在Facebook上注意到他们开始在照片上使用面部识别软件，”利耶达尔回忆说。“我想知道这是否可以应用于北极的冰楔多边形。”
她联系了在华盛顿特区的一个小组审查中遇到的Witharana和McHenry，并邀请他们加入她的项目想法。他们各自都提供了领域专业知识、代码开发和大数据管理方面的互补技能。
该团队用带注释的卫星图像将他们的模型训练成神经网络，并在非机密数据上进行测试。最初有一些挑战，但三年后，团队发现准确率在80%到90%之间。
他们在ISPRS摄影测量与遥感杂志(2020)、成像杂志(2020)和遥感杂志(2021)上描述了这项研究的结果。
用超级计算机计算冰楔
在证明他们的深度学习方法有效后，他们转向德克萨斯高级计算中心(TACC)操作的Longhorn超级计算机——一种基于gpu的IBM系统，可以快速执行AI推理任务——以及匹兹堡超级计算中心的桥梁-2系统，通过nsf资助的极限科学与工程发现环境(XSEDE)分配来分析数据。
截至2021年底，该团队已经在卫星数据中识别并绘制了12亿个冰楔多边形。他们估计他们已经完成了整个数据集的一半。
每个单独的图像分析都涉及预处理、处理和后处理。除了识别和分类冰楔多边形外，该方法还可以获得冰楔大小、冰槽大小和其他特征的信息。
每一个单独的分析可以在不到一个小时内完成。但由于数量庞大，除了在大型超级计算机上运行以外，其他任何地方都不可行，在超级计算机上，它们可以并行计算。
利耶达尔说，这些冰楔数据将在“永久冻土发现门户”上进行快速分析，这将“使更多的人更容易获得有关北极的信息”。“他们不需要等上10年才能了解某件事，而是可以马上了解它，并通过自己的经验直接探索它。”
研究项目的另一个重要阶段将是研究人员分析代表不同年份和季节的卫星图像。比较冰楔多边形的状态可以显示出趋势和轨迹，比如景观变化的速度，以及这些变化将在哪里与定居点或基础设施相交。
“这是一个完美的例子，说明以前对计算基础设施的投资，结合对深度学习技术的新理解，正在建立一个资源，以帮助解决北极的一个重要问题，”NSF项目主任肯德拉·麦克劳克莱恩说。
“柏拉图说，‘人类必须飞出地球——飞到大气层的顶端，飞到更远的地方——因为只有这样，他才能完全了解他生活的世界，’”Witharana说。“地球观测技术使我们能够看到气候变化是如何发生的，甚至土地是如何变化的。它是观察、监测、预测和做出决定以防止对脆弱地区产生负面影响的主要工具。”
推荐阅读：试管助孕公司
