Ученые из Университета Ка-Фоскари в Венеции (Италия) обновили глобальную карту объема ледников с помощью машинного обучения. Модель оценивала параметры льда по всей планете, за исключением полярных щитов. Статья опубликована в журнале Scientific Data.
Для масштабного исследования физики разработали специальную модель искусственного интеллекта IceBoost версии 2.0. Алгоритм обучался на базе более 7 млн фактических измерений толщины ледового покрова, собранных в разных уголках мира.
Программа объединила эти исходные данные с 26 физическими и геометрическими переменными. В итоговых расчетах учитывались топографический уклон, кривизна поверхности, скорость движения и температура льда.
Как работает алгоритм IceBoost
Нейросеть детально реконструировала толщину и объем каждого ледника, включенного в самую современную мировую базу данных Randolph Glacier Inventory. По обновленным компьютерным оценкам, горные ледники содержат около 150 тыс. кубических км замерзшей воды. Если этот массив полностью растает, глобальный уровень моря поднимется на 32,3 см. Важно отметить, что эти расчеты не затрагивают гигантские ледяные щиты Гренландии и Антарктиды.
Хотя итоговая цифра совпадает с предыдущими оценками, искусственный интеллект обеспечил более реалистичную картину географического распределения льда. Точность совпадения виртуальной модели с реальными полевыми наблюдениями увеличилась на 40%. Одним из ярких примеров работы алгоритма стало плато Гейки в восточной Гренландии, где толщина покрова достигает 2 км. В этом конкретном районе нейросеть обнаружила почти в 2 раза больше льда, чем предполагалось ранее.
Понимание точной картины распределения льда критически важно для создания достоверных климатических симуляций. Исследователи проекта GlacierMIP4 будут использовать новые данные в качестве основы для прогнозирования эволюции ледников вплоть до 2100 года. Эта систематизированная информация также ляжет в основу следующих отчетов Межправительственной группы экспертов по изменению климата. Помимо прочего, карты IceBoost помогают выявить регионы, где остро не хватает дополнительных полевых измерений.
Практическая польза нейросети
В число слабоизученных климатических зон вошли горные хребты Гималаев и Каракорума, а также крупные ледяные поля Патагонии. Результаты исследования имеют прямое значение для грамотного управления запасами пресной воды на планете. Горные ледники питают крупные реки и поддерживают экосистемы, обеспечивая жизнедеятельность около 1,9 млрд человек. Более точные оценки объема льда позволяют создавать надежные прогнозы доступности жизненно необходимой питьевой воды.
Этот вопрос особенно актуален для засушливых регионов, подверженных стремительным процессам опустынивания, включая часть Южной Америки. Авторы работы отмечают, что ледники представляют собой сложные системы, параметры которых крайне трудно измерить традиционными способами. Машинное обучение эффективно решает эту проблему путем быстрого анализа огромных массивов экспериментальных данных. Ученые подчеркивают, что действовать нужно быстро, так как ледники в средних широтах могут исчезнуть уже через несколько десятилетий.
Ранее ученые показали, что обрушение ледника в Гренландии ускорит повышение уровня океана.