Onderzoekers van de Universiteit van Maryland, Baltimore County (UMBC) heeft een techniek ontwikkeld om sneller uitgebreide gegevens van Arctische ijskappen te analyseren om inzicht en bruikbare kennis te krijgen over patronen en trends. Door de jaren heen, enorme hoeveelheden gegevens zijn verzameld over het Arctische en Antarctische ijs. Deze gegevens zijn essentieel voor wetenschappers en beleidsmakers die klimaatverandering en de huidige trend van smelten willen begrijpen. Masoud Yari, onderzoeksassistent professor, en Maryam Rahnemoonfar, universitair hoofddocent informatiesystemen, nieuwe AI-technologie hebben gebruikt om een ​​volledig automatische techniek te ontwikkelen om ijsgegevens te analyseren, gepubliceerd in de Tijdschrift voor Glaciologie . Dit maakt deel uit van het lopende BigData-project van de National Science Foundation.

Al decenia, onderzoekers hebben poolijs nauwlettend gevolgd, sneeuw, en bodemmetingen, maar het verwerken van de grote hoeveelheid beschikbare gegevens is een uitdaging gebleken. NASA's processen voor het verzamelen, volgen, en het labelen van polaire gegevens vergen veel handwerk, en veranderingen die in de gegevens worden gedetecteerd, kunnen maanden of zelfs jaren duren om te zien. Zelfs Arctische gegevens die zijn verzameld via teledetectietechnologieën, vereisen handmatige verwerking.

Volgens Rahnemoonfar, "Big data van radar is erg moeilijk te ontginnen en te begrijpen door alleen handmatige technieken te gebruiken." De AI-technieken die zij en Yari ontwikkelen, kunnen worden gebruikt om de data 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.

De onderzoekers ontwikkelden een algoritme dat leert objecten en patronen te 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 lawaaierige 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 creëren. Echter, het is al met succes begonnen met het automatiseren van een proces dat voorheen inefficiënt en arbeidsintensief was.

De snelle uitbreiding van het gebruik van AI-technologie om de ijs- en sneeuwdikte in het Noordpoolgebied te begrijpen, zal wetenschappers en onderzoekers in staat stellen snellere en nauwkeurigere voorspellingen te doen om de internationale dialoog over klimaatverandering te informeren. De snelheid waarmee het poolijs smelt, heeft invloed op de zeespiegelstijging, en als wetenschappers de ernst van het smelten beter kunnen voorspellen, de samenleving de schade die door de zeespiegelstijging wordt veroorzaakt, beter kan beperken.