借助人工智能和卫星进行精确的雪测量
山上有多少雪，到底在哪里?冬季旅游业和水力发电厂运营商以及希望评估雪崩风险的冬季运动爱好者都对答案感兴趣。但由于多种原因，测量积雪深度是一项具有挑战性的任务：它可能会根据天气而快速变化，它会根据地形而变化很大，并且在俯视图像上无法立即辨别。
如今，瑞士的降雪监测主要基于气象站提供的数据。但由于全国只有400个左右，很多地方的降雪数据相当不准确。现在这种情况即将改变：苏黎世联邦理工学院摄影测量和遥感教授康拉德·辛德勒 (Konrad Schindler) 领导的苏黎世联邦理工学院研究人员与苏黎世大学附属瑞士公司 ExoLabs 合作，开发了一种使用卫星图像和遥感技术的技术。人工智能比以前更快、更准确地确定积雪深度。
“虽然瑞士目前最好的雪地地图的有效分辨率约为 250 x 250 米，但我们的地图允许观看者放大到 10 x 10 米以读取雪深，”Schindler 说。此外，定期更新雪深不再取决于在地面上收集新的测量数据——在天气晴朗的情况下，公开的卫星图像就足够了。
欧洲航天局提供的卫星数据
辛德勒的研究小组在卫星图像方面拥有丰富的经验。它利用它们来预测危机地区的人口密度，确定战争对建筑物的破坏以及测量世界各地森林的高度。但人工智能如何从卫星图像中读取积雪深度呢?
首先，它需要数百万个示例：对于他们的技术，研究人员使用了欧洲航天局 (ESA) 运行的 Sentinel-2 卫星拍摄的光学和透视 图像。这些卫星每五天捕获一次地球上的每个位置，每像素分辨率高达 10 x 10 米，使其成为目前免费提供的最详细的图像，并且每个人都可以访问。通过检查这些图像，人工智能可以判断瑞士地面何时何地下雪，以及雪线每周如何变化。
但仅靠这一点还不够，辛德勒说：“仅看卫星图像上的白色部分并不能立即告诉我们积雪有多深。为此，我们需要更多数据。”
通过现实比较来学习
因此，除了卫星图像之外，研究人员还提供了有关瑞士地形的人工智能数据。这是因为在陡峭的朝南山坡上比在阴凉的山谷里融化的雪更多。这种详细的地形数据可以从瑞士联邦地形局 swisstopo 发布的公共数据中轻松获得。
研究人员训练他们的人工智能系统，根据卫星和地形数据的组合来确定积雪深度。这涉及要求系统估计雪的深度，然后将结果与实际测量结果进行比较。 “对于每个网格点，我们都会注意到人工智能估计的偏差有多大，并逐渐调整系统，使误差变得更小，”辛德勒解释道。其技术术语是监督学习。
在第一轮训练中，ETH 研究人员使用了 ExoLabs 提供的雪图，该图与瑞士气象站的雪数据非常匹配。这些地图不仅使用来自 Sentinel-2 卫星的图像，还使用来自其他卫星任务的图像——这些卫星的空间精度较低，但确实提供日常图像。使用 ExoLabs 的雪图，人工智能能够了解详细的雪分布模式，而松散的气象站网络无法捕获这些模式。
使用 Dischma 的数据进行微调
然后，人工智能使用极其详细的雪数据进行微调，这些数据是瑞士联邦森林、雪和景观研究所 WSL 仅在瑞士东部迪施马山谷收集的。从这些数据中，人工智能了解了积雪深度如何根据地形在短短几米内发生变化。现在，它可以在瑞士各地应用这些空间关系，即使对于那些没有详细测量数据的地方，也可以生成准确的雪深估计。
新技术的另一个好处是，它还为用户提供了他们对估计的确定程度的指示。例如，如果天气已经阴沉了一段时间并且新的卫星图像没有提供可用的数据，则估计的不确定性就会增加。
测量雪深的新标准
ETH 研究人员已经在两个冬天成功测试了他们的人工智能辅助雪深测量系统。 “我们预计这将为测量瑞士的积雪深度设立新标准，”辛德勒说。
ExoLabs 负责该技术的营销。这家瑞士初创公司通过各种应用程序提供高分辨率雪地地图，包括 Outdooractive、Strava、Skitourenguru、Hüttenbuch 和 swisstopo 的应用程序。 ExoLabs首席执行官Reik Leiterer认为，未来增强型雪地地图也将适用于阿尔卑斯山以外的地区，例如斯堪的纳维亚半岛、比利牛斯山脉以及南北美洲。
版权声明：本文由用户上传，如有侵权请联系删除！