IT思维

公众号/将门创投

from: microsoft blogs 编译 : Lin

从北极圈融化的冰川到原始的阿蒂特兰湖藻类的大量繁殖，从默奇森瀑布周围的生态系统变化再到南极洲的企鹅追踪，我们渴望了解周围世界及其变化。为了将人工智能的技术力量赋予地球科学及其相关领域的研究中，微软的研究人员与国家地理学会合作，开展了“人工智能地球创新计划”。

在人工智能的帮助下，这11位不同方向的研究人员用全新的方式改变了地球科学和环境科学的研究方式，以更有效和可持续地方式监控、建模并最终管理世界的自然资源，为目前地球面临的关键问题提供了可行的解决方案。本文我们将从：气候变化、生物多样性保护、农业监测分析、水资源监控保护等四个不同的方面来呈现人工智能与地球环境科学携手发展的最新成果。

气候变化

数据已经清晰的表明全球变暖的趋势及其造成的巨大影响。但什么才是最有效的行动？如何才能定量评估全球治理的有效性？在AI的帮助下人们正在逐渐发现这两个关键问题的答案。

更好地了解地球融化的冰川

融化的冰川提供了关于地球变暖的最为清晰的视觉证据。不幸的是，收集数据和测量这些变化只能以相当粗暴地方式进行，这使得测量冰川表面的变化和融化速率变得相当棘手。在过去的十年中，来自英国的极地科学家Joseph Cook在格陵兰冰原等地进行了超过12次的北极野外探险。

来自英国的极地科学家Joseph Cook在格陵兰冰原等地进行了超过12次的北极野外探险。

但对于数据的采集处理困难重重，这些经历促使他探索将机器学习应用于研究的可能性，特别是将其应用于无人机和卫星的光学数据，以观察不断变化的冰冻圈。观察冰川或者冰原动力学特征的关键在于捕捉冰面演变的复杂性，从原始的雪到尘埃覆盖、再到被藻类覆盖和被水漫过的冰面都需要进行详尽的分析。通过训练算法来识别不同的表面如何反射某些波长的光，使得直接从图像对不同冰面进行准确的分类成为可能。目前正在无人机采集的光学数据上进行测试，在精度和速度达到目标后Joseph Cook团队将把它们应用于卫星遥感数据，使其能够扩展到对整个冰川的研究中。

预测非洲与气候有关的移民

世界各地的人们已在调整其行为来应对气候变化，包括改变其居住地址。这些行为可以提供有关线索，如某些地理区域是如何经历气候变化的，人们将如何应对这些变化等。但是，预测气候的变化在何时、何地以及以何种方式引起人们的大规模迁移则非常困难，因为在许多国家，有关人口迁徙的历史模式都没有记录。

Solomon Hsiang的研究开辟了新的领域，其研究表明气候变化既增加了社会各阶层的冲突，又与生产力的急剧下降相关联。现在，Hsiang的团队正应用人工智能来了解气候变化在过去如何影响非洲的人口迁移，并着眼于这一趋势在未来的发展。基于从1943年来非洲18个国家的160万张航拍图像，研究人员将机器学习应用于这些图像的分析和整理，该团队正在重建非洲各地人口密度、城市范围和土地利用的编年史。在统计工具、经济理论和气候模型的帮助下，研究人员可以基于历史数据估计出非洲的移民趋势，理解面临的危险和背后的原因将帮助政府和社会各界更好的调整目前的政策并更好地适应未来。

生物多样性保护

近年来的研究表明地球上生物多样性面领着严峻的挑战，留给人类做出改变的时间已经不多了。但在研究资源和数据粒度的限制下，如何推动生物多样性的研究成为了摆在科学家面前一个重要的挑战。但随着AI的发展，更有效的和更大规模的研究成为可能，生物学家可以更加准确的估计和分析生物的数量、分布和生活状况，以便提出更加有效的措施。

追踪南极企鹅种群

南极洲及其周围的海洋是一片蛮荒而偏远的原野。受到气候变化的影响，冰川融化和气候变暖改变了当地野生动物种群（包括企鹅）的栖息地和觅食地。但由于地理位置偏远人迹罕交通不便，研究者在收集和处理企鹅的数据方面都面临困难。石溪大学的定量生态学家和副教授Heather Lynch认为，人工智能可以大幅度解决研究者们面临的数据挑战。

Heather Lynch，定量生态学家和副教授，同时就职于石溪大学生态与进化系及高级计算科学研究所。

她计划利用计算机视觉在卫星图像中找到鸟粪污渍。利用计算机视觉的方进行企鹅群体的种群估计。通过卫星图像扫描搜索出企鹅分辨的面积，并建立起与种群数量的关系。这将从卫星图像中自动化的检测出企鹅的数量并预测其种群数据量的发展，为决策者提供更准确的信息支撑。

识别声场记录中的鸟鸣

鸟鸣由于其特有的复杂性而特别难以分类。但是了解鸟类种群很重要，除了了解鸟类本身的健康状况，还可以可以提供环境恶化的早期预警。匹兹堡大学生物科学系助理教授Justin Kitzes正在开展人工智能辅助调查和鸟类分类，以更好地了解鸟类种群的变化。由于各种鸟类都有自己独特的鸣叫声谱，他开发了一款用于鸟类声音分类的软件OpenSoundscape。

Justin Kitzes匹兹堡大学生物科学系助理教授。

这一软件可以运行在笔记本电脑、云服务或超级计算机上来对采集到的野外声场进行分析和分类。其背后支撑的数据库中收集了美国发现的约600种鸟类鸣叫数据，并建立可准确分类模型来实现听声识鸟的任务。通过这项工作实现的数据收集将有助于有效保护鸟类。

监测热带雨林中的昆虫声音

Holger Klinck，康奈尔大学实验室伊萨卡生物声学研究项目主任。

虽然热带雨林为地球和人类带来的益处众所周知，但人们对其中所包含的物种和生态系统的了解仍然远远不够，因为高大茂密的植被使得人们难以观察野生动物。由于昆虫的声音具有种内相同种间不同的特性、同时昆虫对于当地环境具有指示器和监测器的作用，康奈尔大学生物声学研究项目的Holger Klinck和Laurel Symes正在寻求人工智能中的昆虫声学监测，以此更好地了解雨林栖息地的动态。Klinck的团队首先关注美洲大螽斯，这是一种广泛分布的物种，占据了热带食物网的中心位置。通过观察和分析各种各样的美洲大螽斯如何与其他森林物种（植物和动物）相互作用，可以提供有关整个生态系统的大量信息。Klinck旨在将昆虫扩展到其他物种，包括鸟类、猴子和其他发声动物，以帮助推进热带雨林的保护。

狮子种群的数据获取和共享

在进行动物统计时，如何区分动物是不同区域的不同动物还是迁徙到不同区域的同一动物是十分困难的事情。同时研究这些动物迁徙出栖息地的原因也十分重要。有效的动物保护需要人们知道现实世界中存在着哪些动物，且这些动物生活在何处。当动物几乎没有区别特征时，回答这些物体十分困。对于狮子的监控和保护来说，即使是对于训练有素的研究人员而言，狮子看起来也几乎一样。

狮子协作识别工程师Justin Downs。

能让研究任务变得更轻松的是狮子识别合作伙伴网络（LINC），这是生物学家Stephanie Dolrenry和系统工程师Justin Downs的心血结晶。它通过结合协作数据库、创新的人工智能搜索功能和社交媒体工具的自定义Web应用程序将有关狮子的研究结合在一起。LINC为保护工作、公民科学家和政府机构之间的互动和数据共享创建了一个平台，以帮助制定和发展保护政策。目前LICN平台利用了AI技术帮助识别狮子个体，通过将脸部识别技术应用于狮子监测中，可以比人类更加准确高效的识别出狮子的身份。准确的数据将有助于计划的更好地调整和实施。

农业

农业是目前人类面临的最大挑战之一。随着需要供养的人类越来越多，而可耕种土地不断减少，再加上水源收缩、需要喂养的牲畜增加，以及频繁的气候变化让农业的稳产增产面临着巨大的调整。为了解决这些问题，人类利用各种精妙的技术手段来不断促进农业的生产力。AI和自动化技术的结合为现代农业的发展带来了新的可能。

提高乌干达的灌溉效率

在有限土地和水资源的限制下要生产出更多的粮食，精度特别是水的精细化管理至关重要。测量用水量的方法之一就是测定从土壤和植物表面的水汽蒸发量（蒸腾率）。要是没有蒸腾率数据，农民的灌溉可能就会浪费大量的水资源。但测量蒸腾率是十分困难的事情。

Torsten Bondo，丹麦DHI GRAS公司的业务开发经理和高级遥感工程师。

来自丹麦的Torsten Bondo和Radoslaw Guzinski正在探索如何使用机器学习和卫星图像生成现场的蒸发蒸腾测量。他们正在开发一种开源算法，可以合并来自光学和热卫星的数据以及气象数据，以确定有效灌溉的适当水量。该系统将在乌干达的一个大型国家灌溉项目上进行测试。该团队预测，这一技术可以减少高达30％的用水量，节水区域的作物产量也与原来相同。他们希望这项技术将为全球其他干旱多发国家带来更好的灌溉方法——帮助节约用水并为后代提供粮食。

绘制农业用地和用水图

气候变化使得降水无法预测，为了更好的灌溉很多地下水灌溉系统被开发出来。但大量抽取地下水将会导致水体生态系统的破坏，造成土壤龟裂、海水倒灌和土壤盐碱化等恶果。

Kelly Caylor，加州大学圣塔芭芭拉分校地球研究所所长、地理系生态水文学教授。

加州大学圣巴巴拉分校生态水文学教授凯利凯勒正在调查地下水源的用水量。 他正在开发一种网络工具，利用机器学习识别卫星图像中活跃的作物田地和地理空间分析工具，以监测作物随时间变化的情况，从而了解作物在哪里生长和生长持续多长时间，然后将其与天气数据相关联，系统还可以推断出正在使用多少水。通过更好地了解中心枢纽灌溉的地下水使用量将有可能带来更加优化和有效的实践，以及更好的水资源管理政策。

检测乌干达的土地覆盖变化

乌干达的默奇森瀑布国家公园是大象、长颈鹿、河马和黑猩猩等标志性物种的伊甸园。附近的艾伯特湖及其周边地区支持渔业和农业，并且富含其他自然资源。在默奇森瀑布周围，最近一次地表覆盖测绘是在十多年前完成的。为了管理自然资源特别是开发这些自然资源对整个区域带来的影响是十分重要的，但如果不了解当地的土地覆盖状况和变化，管理将无从下手。

Ketty Adoch，乌干达地理信息系统专家。

地理信息系统专家Ketty Adoch正在努力解决这个问题。作为将技术工具应用于地理数据的主要倡导者，她将在卫星图像上使用监督分类和机器学习来检测土地覆盖类型的形状或大小的变化，例如改变树木覆盖的阴影。她将在历史时间线进行这些分析，随着研究的进行这一算法将能在未来十年持续进行。这一创造的关键成果——记录研究结果的算法和地图——将使研究人员、环保主义者和技术人员能够监测该地区的土地覆盖变化，了解石油活动的影响并支持未来的保护工作。

水资源

淡水资源只占全球水资源的2%，并且只有不到1%是人类可用的。在有限的资源下，生产生活和人发展面临着巨大的压力。对于水资源的检测、监控和管理也需要更为精确的度量。

提供有害藻类爆发疫情的早期预警

Africa Flore，阿拉巴马大学地球系统科学中心的研究科学家。

多年来，危地马拉高原的阿蒂特兰湖水质纯净，是自然美景和生物多样性的标志。然而，在2009年，湖泊首次经历了有害藻类的繁殖（HABs）——藻类的失控菌落从水中吸取氧气并使其对湖中的生物具有潜在毒性。藻类的爆发让人们意识到保护这片美丽湖泊的重要性和紧迫性。但危地马拉的资源极其有限，无法支撑大规模的调查和分析。但幸运的是，Flores和她的团队对来自不同卫星的图像数据集进行深入分析。机器学习将帮助他们识别可预测未来藻类繁殖的变量。对这些触发因素的了解可以转化为精确的预防行动，这不仅能实践于Africa Flore家乡的湖泊中，在中美洲和南美洲具有类似条件的其他淡水水体中也能起到作用。

检测和绘制小型水坝和水库

Gretchen Daily，斯坦福大学“自然资本项目”（the Natural Capital Project）的联合创始人

世界各地数以百万计的水坝和水库提供饮用水和水力发电，但如果不经过精心建造和管理，它们可能对环境构成风险。在“自然资本项目”中，一个由Gretchen Daily，Lisa Mandle，Richard Sharp和Charlotte Weil组成的小团队正在开展项目，该团队将遥感数据与机器学习相结合，以开发一种可以探测较小的水坝和水库的模型。为此，他们将使用水坝的坐标在高分辨率卫星图像上定位数千个已经映射的水坝，然后使用机器学习根据卫星图像中的共享特征预测其他水坝的位置。这一实践带来的结果将是一个用于检测水坝和水库的开源算法——可以免费提供给更广泛的保护项目和可持续发展社区。了解水坝和水库所处的位置将有助于减轻其环境影响、保护和管理水文生态系统服务，并更可持续地规划发展。

如果想更为详细的了解这些项目的实施和具体研究状况，请访问：

https://www.nationalgeographic.org/grants/grant-opportunities/ai-earth-innovation/
以及AI for Earth Innovation Grant program正在进行和即将开始的新项目：

https://www.microsoft.com/en-us/ai-for-earth/

我们善用AI，保护共同的地球家园！