2024-12-26 | 울산=장지승 기자

“可提前一年预测”UNIST开发北极海冰密度预测AI模型

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

能够预测最长一年后北极海冰变化的人工智能(AI)模型问世。该模型可提供中长期预测信息,预计将有助于北极航线开发、海洋资源勘探等。

蔚山科学技术院(UNIST)地球环境城市建设工程系林正浩教授团队26日表示,已开发出能够以6%以内误差精度预测一年后北极海冰浓度的人工智能模型。海冰浓度指单位面积中被冰覆盖区域的比例。

研究团队利用UNET,让AI学习过去北极海冰浓度的变化模式与气温、水温、太阳辐射量、风等主要气候因素之间的复杂关系,从而开发出该AI模型。UNET是让AI学习卫星影像等图像数据间关系的深度学习算法之一。

所开发的模型中长期预报精度较高。通过将AI模型预测值与过去实际海冰浓度值进行比较来评估精度,结果显示在3个月、6个月、12个月预测中均记录了低于6%的平均预测误差。现有模型则随着预测期延长,平均预测误差有所增加。

此外,该模型在海冰异常急剧减少的情况下也表现出稳定的预测性能。在2007年、2012年夏季等海冰急剧融化的情况下,现有模型的平均预测误差为17.35%,而所开发的AI模型平均预测误差为7.07%,平均预测误差值减少至一半以下。

研究团队还查明了在海冰浓度中长期预测中起重要作用的气候要素。分析UNET模型预测结果之间的差异后发现,在冰层较薄的海冰边缘,太阳辐射热和风是主要变量。

林正浩教授表示:“这是一项克服现有物理基础模型局限、查明各种环境因素对北极海冰变化的复合影响的研究”,并称“将有助于北极航线开发、海洋资源勘探以及气候变化应对政策的制定”。

本次研究于12月11日在国际学术期刊《环境遥感》(Remote Sensing of Environment)在线发表,并获得极地研究所和韩国海洋水产部的支持。

阅读韩文原文