علماء ألمان يدربون الذكاء الاصطناعي على تتبع الأنهار الجليدية بدقة متر
طورت جامعة FAU طريقة تكيفية تسمح للذكاء الاصطناعي بتتبع حواف الأنهار الجليدية بدقة على الصور الفضائية. تقلل التقنية الجديدة متوسط الخطأ من 1100 متر إلى 70 متراً
معالج بواسطة الذكاء الاصطناعي من IEEE Spectrum AI؛ بتحرير Hamidun News
طور الباحثون من جامعة FAU الألمانية طريقة تسمح للشبكات العصبية بأتمتة تتبع الأنهار الجليدية من الصور الفضائية. تتطلب الطريقة الجديدة الحد الأدنى من البيانات الموسومة وتحقق دقة تضاهي التحليل اليدوي.
لماذا الأنهار الجليدية حاسمة
الأنهار الجليدية التي تنساب إلى المحيط هي جزء حاسم من المناخ العالمي. عندما تذوب وتنفصل كتل جليدية من حافات الأنهار الجليدية، يتم إطلاق كميات ضخمة من المياه العذبة في المحيط. يؤثر هذا على التيارات البحرية ويرفع مستوى سطح البحر ويعطل الأنظمة المناخية المحلية.
تعكس الأنهار الجليدية البيضاء المغطاة بالجليد معظم الإشعاع الشمسي إلى الفضاء. لكن عندما تختفي، تبدأ المياه البحرية الداكنة العارية في امتصاص هذا الإشعاع، مما يزيد من ارتفاع درجة حرارة الكوكب. هذه حلقة مفرغة: الاحترار → ذوبان الأنهار الجليدية → تصبح السطح داكناً → احترار أكبر.
مراقبة حالة آلاف الأنهار الجليدية يدويًا مهمة شاقة جداً للمحللين. يمكن لرؤية الحاسوب أن تساعد، لكن النماذج الموجودة كانت تعمل بشكل جيد فقط على البيانات التي تم تدريبها عليها. تطبيق نموذج مدرب على نهر جليدي جديد في منطقة جديدة كان يعني الحصول على خطأ يصل إلى كيلومتر واحد.
كيف تم تحقيق دقة 70 متر
طور الباحثون نهجاً تكيفياً. بدلاً من إعادة تدريب كامل للنموذج على كل نهر جليدي، استخدموا شبكة عصبية مدربة بالفعل وعدلوها بإضافة الحد الأدنى من المعلومات الجديدة:
- صورة واحدة موسومة يدويًا لكل نهر جليدي
- عدة صور فضائية صيفية بدون علامات (في الصيف يكون الجليد أنظف)
- خريطة الأساس الصخري من البيانات المفتوحة
في البداية، كان النموذج المدرب على 681 صورة من 7 أنهار جليدية في القارة القطبية الجنوبية وغرينلاند وألاسكا يخطئ بمقدار 1131 متراً عند تطبيقه على أنهار سفالبارد الجليدية. بعد إضافة صورة موسومة واحدة لكل من 145 نهراً جليدياً، انخفض الخطأ إلى 445 متراً. قللت الصور المرجعية الصيفية، حيث تكون حدود الجليد والماء أكثر وضوحاً، الخطأ إلى 205 أمتار. أدت خريطة الأساس (التي تساعد في التمييز بين النهر الجليدي والجليد الطافي المتراكم) إلى خفض الخطأ إلى 103 أمتار. أعطت مجموعة من خمس نسخ من النموذج، بمتوسط معاً، دقة نهائية: 68.7 متراً.
"الناس أنفسهم ليسوا متسقين جداً في تحديد الحدود، خاصة عندما يكون هناك
خليط من الجليد أو جودة الصورة الفضائية منخفضة"، كما تشرح نورا غورميلون، طالبة الدراسات العليا في جامعة FAU.
التطبيق: 145 نهراً جليدياً في تسع سنوات
طبق الباحثون بالفعل الطريقة على 145 نهراً جليدياً في أرخبيل سفالبارد النرويجي، محللين الصور الفضائية من 2015 إلى 2024. تُجرى معظم أبحاث الأنهار الجليدية على مقياس سنوي أو عشري. لكن بفضل الأتمتة، تمكنوا من حساب موضع حافة النهر الجليدي لكل شهر — ما مجموعه أكثر من 203 ألف تعليق توضيحي. يوفر هذا لعلماء المناخ فهماً أكثر تفصيلاً وشبيهاً بالفيديو حول كيفية تحرك الأنهار الجليدية وذوبانها. تخطط الفريق الآن لتوسيع النهج إلى 1500 نهر جليدي في القطب الشمالي. إذا ظل القمر الصناعي والمنطقة متماثلتين، فلا يتطلب الأمر إعادة تدريب النموذج — فهو يستمر في العمل.
ماذا يعني هذا
تخرج مراقبة الأنهار الجليدية من فئة المشاريع البحثية التي تتطلب الكثير من العمل إلى أداة عملية. إذا طورنا النهج أكثر، سيكون من الممكن تتبع التغييرات المناخية في الوقت الفعلي على آلاف الأنهار الجليدية، مما يوفر لعلماء المناخ خرائط ذوبان أكثر دقة وتنبؤات أكثر موثوقية لارتفاع مستوى سطح البحر.
هل تريد التوقف عن قراءة الذكاء الاصطناعي والبدء باستخدامه؟
AI News هو موجز منسق لأخبار الذكاء الاصطناعي. تعلمك Hamidun Academy استخدام الذكاء الاصطناعي في عملك.