**划重点:**
- 🧊 科学家通过人工智能系统在一百分之一秒内准确绘制了巨大冰山的表面积和轮廓。
- 🌐 使用U-net算法，该系统比现有的自动化系统快10，000倍，解决了区分冰山和其他特征的问题。
- 🚢 冰山对极地环境有重要影响，监测对海上安全和科学研究至关重要。
站长之家（ChinaZ.com）11月10日 消息:科学家们在一项最新研究中成功地训练了一种人工智能（AI）系统，可以在卫星图像上准确地绘制巨大冰山的表面积和轮廓，速度比人类快10，000倍。这项名为《利用深度学习绘制南极巨大冰山的范围》的研究成果发表在《 The Cryosphere》杂志上。
传统的自动化系统往往难以区分图像中的冰山和其他特征。虽然人工解释图像更为准确，但勾勒单个冰山的轮廓可能需要几分钟时间。当这个过程需要重复多次时，就会变得耗时且繁琐。
冰山对极地环境产生重大影响，监测它们对海上安全和科学研究至关重要。有些冰山甚至有着小国家般的巨大体积，对过往的船只构成威胁。随着冰山融化，它们释放出营养物质和淡水进入海洋，对海洋生态系统产生影响。
该研究的负责人、前德国莱比锡大学极地观测与监测中心博士研究生Anne Braakmann-Folgmann博士表示:“冰山存在于世界上难以触及的地方，而卫星不仅是观察它们位置的绝佳工具，还能帮助科学家理解它们是如何融化并最终分裂的过程。”
研究团队采用了一种名为U-net的神经网络算法，通过对欧洲空间局操作的Sentinel-1卫星拍摄的图像进行“训练”，从而实现了计算机准确绘制冰山轮廓的目标。与两种其他用于绘制冰山的算法，即k-means和Otsu相比，U-net算法在一系列卫星图像中识别最大的冰山方面效果更好。
这一技术有望带来新的服务，提供有关巨大冰山形状和大小的信息。目前的映射服务仅显示冰山的中点或中央位置以及长度。通过这种新方法的解释，冰山的轮廓和面积都可以计算。
在对七座冰山的卫星图像进行测试时，U-net在绘制冰山轮廓方面表现优异，尤其是在环境条件复杂的图像中。相比之下，k-means和Otsu算法返回的冰山面积数据平均偏大150%至170%，可能是因为算法将海冰甚至附近的海岸线纳入计算。
北伦敦大学的合著者之一Andrew Shepherd教授表示:“这项研究表明，机器学习将使科学家能够几乎实时地监测世界上偏远和难以到达的地区。随着机器学习的发展，算法将通过学习对卫星图像解释的错误变得更加精确。”
（举报）