Yapay Zeka, buzdağlarını 10.000 kat daha hızlı haritalandırabilir
Leeds Üniversitesi’nden araştırmacılar, büyük Antarktika buzdağlarının boyutunu uydu görüntülerinde hızlı ve doğru bir şekilde haritalayabilen ve görevi yalnızca 0,01 saniyede tamamlayan bir sinir ağını ortaya çıkardı.
Anne Brackman-Folgman, yayınlanan sonuçların baş yazarı KriyosferAraştırmasını Birleşik Krallık’taki Leeds Üniversitesi’nde doktora öğrencisi olduğu dönemde gerçekleştirdi.
Şu anda Tromsø’daki Norveç Arktik Üniversitesi’nde çalışıyor ve Antarktika ortamındaki büyük buzdağlarının önemini vurguluyor.
“Dev buzdağları Antarktika ortamının önemli bileşenleridir. Okyanus fiziğini, kimyasını, biyolojisini ve tabii ki deniz süreçlerini etkilerler. Bu nedenle, buzdağlarının yerini tespit etmek ve okyanusa saldıkları erimiş su miktarını belirlemek için kapsamlarını izlemek önemlidir.”
Copernicus Sentinel-1 radar misyonundan elde edilen veriler, buzdağlarını haritalamak için yapay zekanın kullanılmasına yönelik yeni yaklaşımda hayati bir rol oynadı.
Çoğu Sentinel-1 görüntüsünde buzdağları okyanus ve deniz buzunun karanlık arka planına karşı parlak nesneler olarak görünse de, çevre karmaşık olduğunda buzdağlarını deniz buzundan veya kıyıdan ayırmak hala zordur.
Dr. Brackmann-Volgemann, “Buzdağlarını, daha sert ve daha yaşlı olan ve bu nedenle uydu görüntülerinde daha parlak görünen çevredeki deniz buzundan ayırmakta bazen zorluk yaşadık. Aynı şey, daha sert rüzgarlara maruz kalan okyanuslar için de geçerli” dedi.
“Ayrıca, kenarlarındaki buz parçalarını sürekli olarak kaybettikleri için buzdağlarının yakınında sıklıkla oluşan daha küçük buzdağı parçaları, yanlışlıkla ana buzulla kolayca toplanıyor.
“Ayrıca, Antarktika’nın kıyı şeridi uydu görüntülerindeki buzdağlarına benzeyebilir, bu nedenle standart bölümleme algoritmaları genellikle yalnızca gerçek buzdağını değil sahili de tanımlar.”
Öte yandan sinir ağı yaklaşımı, bu zor koşullarda bile buzulun boyutunun haritalanmasını kolaylaştırıyor.
Sinir ağı mimarisi bir U-net tasarımına dayanıyor ve çeşitli yerlerde dev buzdağlarını gösteren, hedef görevi gören manuel olarak türetilmiş taslaklarla Sentinel-1 görüntüleri kullanılarak titizlikle eğitildi.
Algoritma, boyutları 54 kilometrekare ile 1.052 kilometrekare arasında değişen yedi buzdağı üzerinde test edildi. Farklı mevsimleri ve 2014’ten 2020’ye kadar olan yılları kapsayan, her buzdağı için 15 ila 46 görüntü içeren çeşitli bir veri seti derlendi.
