AI助力追踪全球冰川消退，新方法大幅提升监测精度

冰川消退的速度，直接关系到气候变化和海平面上升的预测，这事儿有多紧迫，不用多说。但问题在于——怎么精确地追踪它？传统方法，得靠人盯着卫星图一格一格地看，工作量巨大。而最近，一种结合AI的卫星图像分析新方法，有望把这个监测过程自动化。

直接入海的冰川，对地球气候的影响非常直接——它们在冰架前沿断裂，冰山崩解入海，一旦断裂，大量淡水涌入海洋，可能改变洋流，甚至推高海平面。更关键的是，冰川本身像一面镜子，能反射大量阳光。冰川一退，深色海水露出来，吸热能力大增，加速升温。

所以，追踪冰川退缩，对理解气候变化的长期趋势至关重要。问题是，全球这么大，冰川这么多，靠人工分析根本忙不过来。AI图像分析本来是很好的替代方案，但坦白说，之前那些模型一旦换了新地区就“水土不服”——泛化能力差。再加上高质量的人工标注数据很难获取，推广起来阻力很大。

最近，一篇被IEEE国际图像处理会议录用的论文，带来了一些值得注意的进展。德国埃尔朗根-纽伦堡弗里德里希-亚历山大大学的研究团队发现，一个原本领先的冰川崩解前缘追踪模型，只需要一点点额外的数据，就能适配到新地区。具体来说，他们只需要三类信息：每条冰川一张人工标注图像、一张夏季未标注的参考图像、以及一张底层基岩地图。别看信息量不大，这一套组合拳下来，模型的平均误差直接从超过一公里压缩到了不到70米——效果相当惊人。

基于这个成果，团队已经实际应用了这套方法——他们成功提取了挪威斯瓦尔巴群岛全部145条冰川从2015年到2024年的月度崩解前缘数据。下一步，计划把范围扩大至北极地区另外约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、该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，历来是件费时费力的事——研究人员通常要盯着卫星雷达图像，手动描绘冰川和海洋的分界线。一个研究团队，光手动标注就可能耗时数月。这也就理解了，为什么这么多团队都想用AI来自动化完成。

2023年，古尔姆隆团队建立了一个包含681张雷达图像的数据集，涵盖南极洲、格陵兰岛、阿拉斯加的七条冰川，并配有手工标注的崩解前缘，用来训练和测试新模型。但当他们把用这些数据训练出的最先进深度学习模型，拿到斯瓦尔巴群岛的冰川上去测试时，平均误差高达1131.6米——将近一公里的偏差，基本不能用。

给每条新冰川都搞一堆人工标注数据？不现实。团队于是另辟蹊径——他们为斯瓦尔巴的145条冰川各生成了一张人工标注的崩解前缘图像，再结合原始卫星图像，构建了一个由5539张图像组成的新训练集。把模型在新旧数据上同步重训练后，误差降到了445.3米。有进步，但仍有很大优化空间。

接下来，团队想了两个办法继续提升。对人类和AI来说，冰川边界和冰碛物——也就是崩解前缘那里漂浮冰山、海冰和积雪搅在一起的冰泥——特别难区分。但夏天不一样：夏天时冰碛物还没形成，边界清晰。于是，研究人员在提交给模型的图像序列中，特意加入了夏季图像作为参考基准。这一招，把误差从445.3米降到了204.6米。

最后，他们又给模型喂了一套静态地图——底层基岩的信息，来自标注斯瓦尔巴海岸线的OpenStreetMap数据。这个地图补刀之后，误差骤降到103.6米。再运行五个不同版本的模型，取平均值，最终误差停在68.7米。尽管听起来还是有点距离，但古尔姆隆说，这已经和人工标注的误差水平相当了。“人工标注本身也有不一致性，像冰碛物遮挡或者卫星图像模糊的时候，误差一样不小。”

这套方法虽然需要一些前期准备，但一旦建立起来，对新区域的分析速度就能大幅提升。FAU博士生达科塔·派尔斯主导的另一项研究，就靠它系统梳理了斯瓦尔巴群岛九年的冰川动态。派尔斯提到，此前这类研究多以年或十年为尺度，时间跨度粗放。但用上这个模型之后，他能给每条冰川生成逐月的崩解前缘数据，总共超过203294条标注记录——精度和维度都远超以往。

“要是没有这个模型，这个项目根本不可能做到现在的规模，”派尔斯说，“这对我们和整个冰川学来说，都是巨大的推动力。”

长远来看，这项技术有望支撑起全球冰川的长期半自动化监测。古尔姆隆总结：“我们仍然需要目标区域或特定卫星的少量标注图像做初始化训练，但这之后，系统就能直接跑起来。只要图像采集方式和监测区域保持稳定，基本不用重新校准。”

通过提供三类信息——每条冰川一张人工标注图像、一张无标注夏季参考图、一张底层基岩地图——深度学习模型的平均误差从超过一公里降至68.7米，已接近人类专家的标注精度，足以用于实际监测。

夏季时冰川崩解前缘处的冰碛物尚未形成，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。

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。