Onderzoekers van de Universiteit van Maryland, Baltimore County (UMBC) hebben een techniek ontwikkeld om sneller uitgebreide gegevens van arctische ijskappen te analyseren om inzicht en bruikbare kennis te krijgen over patronen en trends.
In de loop der jaren zijn enorme hoeveelheden gegevens verzameld over het arctische en antarctische ijs. Deze gegevens zijn essentieel voor wetenschappers en beleidsmakers die de klimaatverandering en de huidige smelttrend willen begrijpen. Masoud Yari, onderzoeksassistent-professor, en Maryam Rahnemoonfar, universitair hoofddocent informatiesystemen, hebben nieuwe AI-technologie gebruikt om een volledig automatische techniek te ontwikkelen om ijsgegevens te analyseren, gepubliceerd in de Journal of Glaciology. Dit maakt deel uit van het lopende BigData-project van de National Science Foundation.
Gegevens
Al tientallen jaren volgen onderzoekers poolijs, sneeuw en bodemmetingen op de voet, maar het verwerken van de grote hoeveelheid beschikbare gegevens is een uitdaging gebleken. NASA’s processen voor het verzamelen, volgen en labelen van polaire gegevens vergen aanzienlijk handmatig werk, en het kan maanden of zelfs jaren duren voordat veranderingen in de gegevens worden gedetecteerd. Zelfs Arctische gegevens die via teledetectietechnologieën worden verzameld, vereisen handmatige verwerking.
Volgens Rahnemoonfar, “is het heel moeilijk om big data te ontginnen en te begrijpen door alleen handmatige technieken te gebruiken.” De AI-technieken die zij en Yari ontwikkelen, kunnen worden gebruikt om de gegevens sneller te ontginnen, om nuttige informatie te krijgen over trends met betrekking tot de dikte van de ijskappen en het niveau van sneeuwophoping op een bepaalde locatie.
Algoritme
De onderzoekers ontwikkelden een algoritme dat leert hoe ze objecten en patronen kunnen identificeren binnen de Arctische en Antarctische gegevens. Een AI-algoritme moet worden blootgesteld aan honderdduizenden voorbeelden om te leren hoe belangrijke elementen en patronen te identificeren. Rahnemoonfar en haar team gebruikten bestaande onvolledige en luidruchtige gelabelde gegevens uit het noordpoolgebied om het AI-algoritme te trainen in het categoriseren en begrijpen van nieuwe gegevens.
De training van het algoritme is nog niet voltooid, omdat het moet worden opgeschaald over meerdere sensoren en locaties om een nauwkeuriger hulpmiddel te maken. Het is echter al met succes begonnen met het automatiseren van een proces dat voorheen inefficiënt en arbeidsintensief was.
AI-technologie
Door de snelle uitbreiding van het gebruik van AI-technologie om de ijs- en sneeuwdikte in het noordpoolgebied te begrijpen, kunnen wetenschappers en onderzoekers snellere en nauwkeurigere voorspellingen doen om de internationale dialoog over klimaatverandering te informeren. De snelheid waarmee het poolijs smelt, heeft invloed op de stijging van de zeespiegel, en als wetenschappers de ernst van het smelten beter kunnen voorspellen, kan de samenleving de schade die wordt veroorzaakt door zeespiegelstijging, beter verzachten.
