冰星测定：机器学习模型计算所有地球冰川的体积 - 天体生物学
作者：Keith Cowing
Niccolã²Maffezzoli领导的一组研究人员，威尼斯Caâfoscari大学和加利福尼亚大学，欧文分校的玛丽·居里（MarieCurieâ），以及意大利国家研究委员会极地科学研究所的副成员，开发了基于人工厚度分布的全球全球模型。该模型已发表在《地球科学模型开发》杂志上，并有望成为研究未来冰川融化场景的人的参考工具。
对冰川量的准确了解对于预测未来的海平面上升，管理水资源以及评估与冰川静修有关的社会影响至关重要。但是，估计其绝对量仍然是一个主要的科学挑战。多年来，已经收集了超过400万个原位测量冰川厚度，这在很大程度上要归功于NASA的Icebridge行动。尽管数据集广泛，但当前的建模方法尚未利用其潜力。
阿拉斯加冰川 - 信用niccolã²Maffezzolihttps://nmaffe.github.io/eiceboost_webapp/
AI应用于冰川数据
冰川厚度的直接测量覆盖了冰川的少于1％的冰川，这突出了能够提供全球尺度估算冰厚度和体积的模型的需求。这项新发表的研究是第一个与机器学习算法的力量一起利用这种观察数据的研究。
``我们的模型结合了两种决策树算法，解释了Maffezzoli，接受了厚度测量的训练以及39个功能，包括冰速度，质量平衡，温度场以及几何和地球变量。训练有素的模型显示出比当前传统的全球模型低30-40％的错误，尤其是在极地纬度和沿冰盖的外围，地球冰块所在的大部分冰层所在。”
改善海平面上升的地图和预测
在极地区域以及格陵兰和南极洲的边缘，具有准确的冰厚度估计值尤为重要。这些估计是模拟冰流及其与海洋相互作用的数字模型的初始条件，这是预测在未来气候场景下海平面上升的关键的关键。该模型在这些地区表明了强大的概括能力，研究人员认为，可能有助于完善冰盖特定区域（例如吉基高原或南极半岛）的当前地下地图。
Svalbard群岛冰川信用niccolã²Maffezzolihttps://nmaffe.github.io/eiceboost_webapp/
这项工作代表了产生对全球冰川量的更新估计的第一步，这对模板，IPCC和政策制定者将很有用。
Maffezzoli宣布，我们的目标是在2025年底发布两个数据集，总共有50万冰层图。”``还有很长的路要走，但是这项工作表明AI和机器学习方法正在为冰模型打开新的令人兴奋的可能性。”
冰川的意义
目前，冰川占观察到的全球海平面上升的约25-30％，它们的融化正在加速。这在喜马拉雅山和卡拉科姆的安第斯山脉或主要山脉等干旱地区尤为重要，那里的冰川源头在这里支持数十亿美元的生计。这对于理解格陵兰和南极洲极地冰盖的稳定性也至关重要，格陵兰和南极洲的外周相互作用会影响冰盖动力学。
天文学，天文学，
关于《冰星测定：机器学习模型计算所有地球冰川的体积 - 天体生物学》的评论
暂无评论