人工智能关于北极永久冻土覆盖的新见解可能很快就会为政策制定者和土地管理者提供所需的高分辨率视图，以预测气候变化驱动的对石油等基础设施的威胁管道、道路和国家安全设施。

“北极变暖的速度是全球其他地区的四倍，而永久冻土是北极变化非常迅速的一个组成部分，”洛斯阿拉莫斯国家实验室奇克·凯勒博士后研究员埃文·塞勒说。Thaler是《地球和太空科学》杂志上发表的有关AI在多年冻土数据的创新应用中发表的论文的对应作者。

“当前的模型无法提供了解永久冻土融化如何改变环境和影响基础设施所需的分辨率，”泰勒说。“我们的模型创建了高分辨率地图，告诉我们永久冻土现在在哪里以及未来可能会发生变化。”

人工智能模型还识别驱动预测的景观和生态特征，例如植被绿度、景观坡度角度和积雪持续时间。

人工智能与现场数据

塞勒是洛斯阿拉莫斯研究人员乔尔·罗兰 (Joel Rowland)、乔恩·施文克 (Jon Schwenk) 和卡特里娜·贝内特 (Katrina Bennett) 以及劳伦斯伯克利国家实验室的合作者组成的团队的一员，该团队使用了一种称为监督机器学习的人工智能形式。这项工作根据洛斯阿拉莫斯研究人员从阿拉斯加苏厄德半岛的三个片状永久冻土流域收集的现场数据测试了三种不工智能方法的准确性。

Thaler说，多年冻土或保持冰点温度低于两年或更长时间的地面覆盖了北半球暴露的土地的六分之一。融化的多年冻土已经在破坏道路，石油管道和其他设施上建造的设施，并带来了一系列环境危害。

随着气候变化导致气温升高，融化的地面会释放出水分。它流向低地、河流、湖泊和海洋，导致地表沉降、输送矿物质、改变地下水的方向、改变土壤化学并向大气中释放碳。

有用的结果

当前使用最广泛的泛北极永久冻土模型的分辨率约为三分之一平方英里，这对于预测永久冻土变化将如何破坏道路或管道来说太粗糙。新的洛斯阿拉莫斯人工智能模型确定地表永久冻土覆盖范围的分辨率略低于 100 平方英尺，比典型的停车位小，对于评估特定位置的风险更加实用。

使用其对苏厄德半岛三个站点的数据训练的AI模型，该团队生成了一张地图，显示了巨大的区域，而没有任何永久冻土在苏厄德站点周围，以83%的精度与现场数据匹配。使用Pan-Arctic模型进行比较，该团队生成了仅准确性50%的相同站点的地图。

Thaler说：“这是迄今为止泛极的最高精度，但显然还不足以进行特定于网站的预测。” “泛北极产品预测该站点的100%是多年冻土，但我们的模型仅预测68%，我们知道，基于现场数据，我们知道这更接近实际百分比。”

喂养AI模型

这项最初的研究证明了Los Alamos模型在Seward数据上的概念，对类似于收集现场数据的位置的地形提供了可接受的准确性。为了衡量每个模型的可传递性，团队还对一个站点的数据进行了训练，然后使用来自第二个地形的数据进行了模型，该数据尚未对其进行培训。没有一个模型能够通过创建与第二个地点的实际发现相匹配的地图来很好地转移。

塔勒说，该团队将在AI算法上进行其他工作，以提高模型向北极其他领域的转移性。“我们希望能够在一个数据集上训练，然后将模型应用于以前从未见过的地方。我们只需要更多来自不同景观的数据来培训这些模型，我们希望尽快收集该数据。”他说。

研究的一部分涉及比较三种不同的AI方法的准确性 - 极端随机的树，支持向量机和人工神经网络 - 以查看哪种模型最接近与苏厄德半岛现场观测中收集的“地面真相”数据匹配。其中一部分数据用于训练AI模型。然后，每个模型基于看不见的数据生成了一个地图，以预测近地表多年冻土的程度。

虽然洛斯阿拉莫斯的研究表明比最好的、广泛使用的泛北极模型有了显着的改进，但该团队的三个人工智能模型的结果是混合的，支持向量机显示出最有希望的可转移性。