AI助力追踪全球冰川消退，新方法大幅提升监测精度

追踪冰川缩减速度对于衡量气候变化进程、预测未来海平面上升至关重要。这项工作通常需要耗费大量人力，但一种能让AI分析全球各地冰川卫星图像的新方法，有望将这一监测过程自动化。

直接流入海洋的冰川在地球气候中扮演着关键角色，而全球变暖正使它们加速退缩。当冰川"崩解前缘"——即冰山从冰川末端断裂入海的位置——发生断裂时，大量淡水涌入海洋，可能改变洋流走向并引发海平面上升。此外，洁白的冰川能反射大量阳光，一旦缩减，原本被冰层覆盖的深色海水就会暴露出来，吸收更多太阳热量。

因此，追踪冰川损失对于理解局部及全球气候条件的长期变化至关重要。然而，全球需要监测的冰川数量远远超出人工分析人员的处理能力。尽管基于AI的图像分析技术有望填补这一缺口，但此前的模型在应用于训练数据之外的新区域时表现不佳，加之人工标注图像的采集难度较大，这严重制约了该方法的推广应用。

近期，一篇被IEEE国际图像处理会议（ICIP）录用的论文表明，一款追踪冰川崩解前缘的领先深度学习模型，只需少量额外数据即可适配新地区。德国埃尔朗根-纽伦堡弗里德里希-亚历山大大学（FAU）的研究人员发现，仅需提供三类信息——每条冰川一张人工标注图像、未标注的夏季参考图像以及底层基岩地图——模型误差便可从超过一公里压缩至不足70米。

相关研究中，该论文的部分作者已将这一方法付诸实践，成功提取了2015年至2024年间挪威斯瓦尔巴群岛全部145条冰川的月度崩解前缘位置数据。研究团队目前计划将该方法进一步推广至北极地区另外约1500条冰川。

"我们的目标是更好地了解冰川，以及它们对气候变化的响应方式，"FAU博士生、ICIP论文共同第一作者诺拉·古尔姆隆表示，"了解过去，才能更好地预测未来的变化趋势。"

划定崩解前缘边界历来需要学生和研究人员仔细研读卫星雷达图像，手动描绘冰川与海洋之间的界线，古尔姆隆介绍道。由于这一过程极为耗时，众多研究团队开始尝试利用计算机视觉模型将其自动化。

2023年，古尔姆隆及其同事建立了一个包含681张雷达图像的数据集，涵盖南极洲、格陵兰岛和阿拉斯加共七条冰川，并附有人工标注的崩解前缘，用于训练和评估新模型。然而，当他们将基于该数据集训练的最先进深度学习模型应用于斯瓦尔巴群岛未曾见过的冰川时，发现平均误差高达1131.6米。

为每条待分析的新冰川重新收集足量人工标注数据显然不现实，因此研究人员开始寻找更高效的方法来提升模型性能。他们为斯瓦尔巴群岛全部145条冰川各生成一张人工标注的崩解前缘图像，并结合每条冰川的多张原始卫星图像，构建了包含5539张图像的新训练集。将模型在这批新数据与原始基准数据上同步重训练后，误差降至445.3米。

研究人员随后开发了两种新策略以进一步提升精度。对人类和AI而言，将冰川边界与冰碛物（崩解前缘处由漂浮冰山、海冰和积雪混合形成的冰泥）区分开来都颇具挑战。为此，研究人员在向模型提交图像序列时，特别加入了三张夏季图像——彼时冰碛物尚未形成，冰川边界清晰可辨。这些图像作为模型的参考基准，将误差进一步压缩至204.6米。

最后，研究人员还为模型提供了每条冰川底层基岩的静态地图，该地图源自标注斯瓦尔巴群岛海岸线的OpenStreetMap数据。这一举措将误差骤降至103.6米。通过运行五个不同版本模型的集成并取平均输出，研究人员最终将误差降至68.7米。尽管听起来精度依然有限，但古尔姆隆表示，这与人工标注的误差水平已相当接近。"人工标注本身也存在不一致性，尤其是在有冰碛物或卫星图像分辨率不佳的情况下，"她说道。

尽管该方法仍需一定的前期准备工作，但它能够大幅加快对新区域的分析速度。FAU博士生达科塔·派尔斯主导了另一项研究，系统梳理了斯瓦尔巴群岛九年的冰川动态数据。他表示，此前该领域的研究大多以年或十年为时间尺度，而他的研究却能为每条冰川生成月度崩解前缘数据，总计超过203294条标注记录，为深入了解该群岛冰川动态变化提供了更为精细的视角。

"如果没有这个模型，我的项目根本不可能达到目前的研究规模，"派尔斯表示，"这对我们以及整个冰川学领域的发展都是巨大的推动。"

从长远来看，这一方法有望实现对全球冰川的长期半自动化监测。古尔姆隆表示："我们仍需要来自目标监测区域或所用卫星的少量标注图像进行初步训练，但此后便可直接使用。只要图像采集方式和监测区域保持稳定，就无需重新校准。"

Q&A

Q1：AI追踪冰川崩解前缘的新方法误差能达到什么水平？

A：研究人员通过提供每条冰川一张人工标注图像、未标注夏季参考图像以及底层基岩地图三类信息，将深度学习模型的平均误差从超过一公里压缩至68.7米，这一精度已与人工标注的误差水平相当，能够满足实际冰川监测需求。

Q2：为什么在冰川图像中加入夏季参考图像可以提升模型精度？

A：夏季时冰川崩解前缘处的冰碛物（漂浮冰山、海冰和积雪的混合物）尚未形成，冰川与海洋之间的边界清晰可辨。将夏季图像作为参考基准提供给模型，有助于模型在其他季节更准确地区分冰川边界与冰碛物，从而将误差从445.3米降至204.6米。

Q3：斯瓦尔巴群岛冰川动态研究取得了哪些成果？

A：FAU博士生达科塔·派尔斯利用该方法，成功提取了斯瓦尔巴群岛全部145条冰川从2015年到2024年共九年的月度崩解前缘位置数据，累计生成超过203294条标注记录，提供了比年度或十年尺度更为精细的冰川动态变化视角，研究团队计划进一步将该方法推广至北极约1500条冰川。