斯坦福大学的研究人员将机器学习与高分辨率卫星和空中观测相结合，以分析驱动南极洲大规模冰层运动的物理原理。他们的研究结果表明，现有模型缺乏准确预测南极冰盖现在和未来动态和质量损失所必需的关键复杂性。

这张地图显示了冰川和支流的流动模式，它使用的数据与斯坦福大学研究人员训练人工智能模型时使用的数据相同，该模型揭示了控制南极冰盖大规模运动的一些基本物理原理。图片来源：NASA 戈达德太空飞行中心科学可视化工作室

随着全球变暖，南极洲的冰盖正在融化，导致全球海平面上升。南极洲的冰水足以使全球海平面上升 190 英尺，准确预测南极冰层现在和将来的移动和融化方式对于保护沿海地区至关重要。然而，由于数据有限以及海洋、大气和冰冻表面之间复杂的相互作用，大多数气候模型都难以准确模拟南极冰层运动。

在 3 月 13 日发表在《科学》杂志上的一篇论文中，斯坦福大学的研究人员首次利用机器学习分析了南极洲冰盖运动的高分辨率遥感数据。他们的工作揭示了控制南极冰盖大规模运动的关键物理过程，并可能改善对南极洲未来变化的预测。

斯坦福大学杜尔可持续发展学院地球物理学助理教授、论文资深作者赖清姚表示：“在卫星时代，大量观测数据已广泛可用。我们将这些广泛的观测数据集与基于物理学的深度学习相结合，以获得有关冰在自然环境中的行为的新见解。”

南极冰盖是地球上最大的冰块，面积几乎是澳大利亚的两倍，它就像地球的海绵，通过将淡水储存为冰来保持海平面稳定。为了了解每年都在加速缩小的南极冰盖的运动，现有模型通常依赖于实验室实验中得出的关于冰的机械行为的假设。但赖说，南极洲的冰比实验室模拟的要复杂得多。由海水形成的冰与由压实雪形成的冰具有不同的特性，冰盖可能包含影响运动的大裂缝、气穴或其他不一致性。

南极洲盖茨冰架的冰面上布满了深深的裂缝或裂隙。图片来源：杰里米·哈贝克，NASA 戈达德太空飞行中心/冰桥行动

“这些差异以现有模型或实验室环境无法捕捉到的方式影响着冰盖的整体机械行为，即所谓的本构模型，”赖说。

赖和她的同事并没有试图捕捉每一个单独的变量。相反，他们建立了一个机器学习模型来分析 2007 年至 2018 年期间卫星图像和飞机雷达记录的冰的大规模运动和厚度。研究人员要求该模型拟合遥感数据并遵守现有的控制冰运动的几条物理定律，用它来推导出新的本构模型来描述冰的粘度——即它对运动或流动的阻力。

研究人员重点研究了南极洲的五个冰架——从陆地冰川延伸到海洋的漂浮冰架，阻挡了南极洲大部分冰川冰。他们发现，最靠近大陆的冰架部分正在被压缩，这些区域的本构模型与实验室实验相当一致。然而，随着冰离大陆越来越远，它开始被拉向大海。这种应变导致该地区的冰在不同方向上具有不同的物理特性——就像一根原木沿着纹理更容易裂开而不是横着裂开一样——这一概念称为各向异性。

“我们的研究发现，大部分冰架都是各向异性的，”第一篇研究作者、在赖实验室担任博士后研究员的王永吉说。“压缩区——靠近接地冰层的部分——仅占冰架的不到 5%。其余 95% 是延伸区，并不遵循相同的规律。”

这张南极洲地图以白色标出了各个南极冰架的位置；陆地以灰色标出。图片来源：Agnieszka Gautier/NSIDC)

随着全球气温升高，准确了解南极冰盖运动只会变得更加重要——海平面上升已经导致低洼地区和岛屿的洪水泛滥，海岸侵蚀加剧，飓风和其他严重风暴造成的破坏加剧。到目前为止，大多数模型都假设南极冰在所有方向上具有相同的物理特性。研究人员知道这是一种过于简单的说法——现实世界的模型永远不会完美地复制自然条件——但赖、王和他们的同事所做的工作明确表明，当前的本构模型无法准确捕捉卫星观测到的冰盖运动。

“人们以前也考虑过这个问题，但从未得到证实，”目前是纽约大学博士后研究员的王说。“现在，基于这种新方法及其背后严谨的数学思维，我们知道预测南极洲未来演变的模型应该是各向异性的。”

研究作者还不清楚是什么原因导致延伸区呈现各向异性，但他们打算继续利用来自南极大陆的更多数据来完善他们的分析。研究人员还可以利用这些发现来更好地理解可能导致裂缝或冰山崩解的压力——当大量冰块突然从冰架上脱落时——或者作为将更多复杂性纳入冰盖模型的起点。这项工作是建立一个更准确地模拟我们未来可能面临的条件的模型的第一步。

赖和她的同事还认为，这里使用的技术——将观测数据和既定的物理定律与深度学习相结合——可以用来通过大量观测数据揭示其他自然过程的物理原理。他们希望他们的方法将有助于更多的科学发现，并促成与地球科学界的新合作。

“我们试图证明，确实可以使用人工智能来学习新东西，”赖说。“它仍然需要受到一些物理定律的约束，但这种综合方法使我们能够揭示超出以往所知的冰物理学，并真正推动人们对自然环境中地球和行星过程的新理解。”

编译自/ScitechDaily