人工智能帮助预测北极海冰损失

发布时间：2021年8月26日

新开发的人工智能（以下简称AI）工具能使科研人员对未来数月的北极海冰冰情进行更精确预报。改进后的预测工具将支持新预警系统，保护北极野生动物和沿海社区免受海冰损失的影响。

一个由英国南极调查局（ BAS）和阿兰·图灵研究所（The Alan Turing Institute）共同领导的国际研究小组于本周（8月26日星期四）在《自然-通讯》（Nature Communications）杂志上发表的文章描述了人工智能系统IceNet如何应对“精确预报未来季节北极海冰冰情”这一挑战——这是科学界数十年来一直难以解决的事情。

北极斯瓦尔巴群岛（Svalbard archipelago）。

海冰是出现在北极和南极的一个巨大冰冻海水层，其与上方大气和下方海洋的关系非常复杂，因此很难预报。因海冰对温度上升的敏感性，在过去40年里，北极夏季海冰面积减少了一半，相当于损失了约25倍于大不列颠岛（Great Britain）的面积。这些加速的变化对气候、北极生态系统以及那些生计与海冰季节循环关联的原住民和当地社区等产生巨大的影响。

科研人员在预测海冰会否提前两个月出现时，使用人工智能预测工具IceNet进行的预测准确率达到了近95%——比基于物理学的主导模型准确率更高。

阿兰·图灵研究所资助的第一作者、英国南极调查局人工智能实验室的数据科学家汤姆·安德森（Tom Andersson）解释道：

“北极处于气候变化的前沿，在过去40年间出现了大幅升温。在北极的可持续发展工作中，海冰预测存在亟需填补的空白，IceNet具有填补这一空白的潜力，并且其运行速度比传统方法快数千倍”。

首席研究员、英国南极调查局人工智能实验室联合负责人、阿兰·图灵研究所高级研究员斯科特·霍斯金（Scott Hosking）博士说：

“我很期待看到，人工智能如何使我们重新构想我们进行环境研究的方式。我们新的海冰预报框架融合了卫星传感器数据和气候模型输出结果，这是传统系统根本无法实现的”。

IceNet测试。图3，载于汤姆·安德森等人所作的《利用概率深度学习进行北极海冰季节预报》（2021年）。

与试图直接模拟物理定律的传统预报系统不同，作者在设计IceNet时基于一种叫做深度学习的概念。这种采用深度学习方式的模型从数千年的气候模拟数据以及数十年的观测数据中“学习”海冰如何变化，然后预测未来几个月北极海冰范围。

汤姆·安德森总结道：

“现在我们已经证明了AI可以精确预报海冰，我们的下一个目标是开发模型的日常版，让它像天气预报一样实时公开运行。这可以作为与海冰快速损失相关风险的早期预警系统”。

原始出版物：

《利用概率深度学习进行北极海冰季节预报》（Seasonal Arctic sea ice forecasting with probabilistic deep learning ）作者：Tom Andersson， Scott Hosking， Maria Pérez-Ortiz， Brooks Paige， Andrew Elliott， Chris Russell， Stephen Law， Dan Jones， Jeremy Wilkinson， Tony Phillips， James Byrne， Steffen Tietsche， Beena Sarojini， Eduardo Blanchard-Wrigglesworth， Yevgeny Aksenov， Rod Downie， and Emily Shuckburgh，发表于《自然-通讯》（Nature Communications）。点击此处阅读全文： https://www.nature.com/articles/s41467-021-25257-4

信息来源：https://www.bas.ac.uk/media-post/artificial-intelligence-to-help-predict-arctic-sea-ice-loss/