Des chercheurs de l'Université du Maryland, Le comté de Baltimore (UMBC) a mis au point une technique pour analyser plus rapidement les données étendues des calottes glaciaires de l'Arctique afin d'obtenir un aperçu et des connaissances utiles sur les modèles et les tendances. Au cours des années, de grandes quantités de données ont été recueillies sur les glaces de l'Arctique et de l'Antarctique. Ces données sont essentielles pour les scientifiques et les décideurs qui cherchent à comprendre le changement climatique et la tendance actuelle à la fonte. Masoud Yari, professeur assistant de recherche, et Maryam Rahnemoonfar, professeur agrégé de systèmes d'information, ont utilisé une nouvelle technologie d'IA pour développer une technique entièrement automatique pour analyser les données de glace, publié dans le Journal de glaciologie . Cela fait partie du projet BigData en cours de la National Science Foundation.

Depuis des décennies, les chercheurs ont suivi de près la glace polaire, neiger, et mesures du sol, mais le traitement du grand volume de données disponibles s'est avéré difficile. Les processus de collecte de la NASA, suivi, et l'étiquetage des données polaires impliquent un travail manuel important, et les changements détectés dans les données peuvent prendre des mois voire des années à voir. Même les données arctiques collectées via les technologies de télédétection nécessitent un traitement manuel.

Selon Rahnemoonfar, « Le big data radar est très difficile à exploiter et à comprendre simplement en utilisant des techniques manuelles. » Les techniques d'IA qu'elle et Yari développent peuvent être utilisées pour extraire les données plus rapidement, pour obtenir des informations utiles sur les tendances liées à l'épaisseur des calottes glaciaires et au niveau d'accumulation de neige à un certain endroit.

Les chercheurs ont développé un algorithme qui apprend à identifier des objets et des modèles dans les données arctiques et antarctiques. Un algorithme d'IA doit être exposé à des centaines de milliers d'exemples afin d'apprendre à identifier les éléments et modèles importants. Rahnemoonfar et son équipe ont utilisé des données étiquetées incomplètes et bruyantes de l'Arctique pour former l'algorithme d'IA à la catégorisation et à la compréhension de nouvelles données.

L'apprentissage de l'algorithme n'est pas encore terminé, car il devra être mis à l'échelle sur plusieurs capteurs et emplacements pour créer un outil plus précis. Cependant, elle a déjà commencé avec succès à automatiser un processus qui était auparavant inefficace et exigeant en main-d'œuvre.

L'expansion rapide de l'utilisation de la technologie de l'IA pour comprendre l'épaisseur de la glace et de la neige dans l'Arctique permettra aux scientifiques et aux chercheurs de faire des prévisions plus rapides et plus précises pour éclairer le dialogue international sur le changement climatique. La vitesse à laquelle la glace arctique fond a un impact sur l'élévation du niveau de la mer, et si les scientifiques sont mieux à même de prédire la gravité de la fonte, la société peut mieux atténuer les dommages causés par l'élévation du niveau de la mer.