冰雪圈泛指地球表面所有被冰覆盖的地方,包括冰川、冰帽、海冰和多年冻土层。「不论冰川抑或海冰,甚至是冻土,都在一一融化,不再冻结了。我想准确地测量它们的变化。」来自香港中文大学(中大)的冰雪圈专家刘琳教授在过去14年,曾到访多个冻土层所在的地方,足迹遍及加拿大、阿拉斯加、格陵兰、冰岛、西藏等地。他形容,冻土比起冰川融化、水位上升这些为人熟悉的暖化现象,往往是被忽略的受害者,冻土退化更是不受重视和难以观察到。

冻土层与地下冰

「摄氏1.5度的全球暖化警告对地球整体来说看似微不足道,但对于在摄氏-1至0.5度气温下便开始融化的冰雪圈而言,情况值得关注。」

现时,科学界正应用各种大地测量工具,观测冰雪圈在气候变化下的融化情况。刘教授在美国科罗拉多大学波德分校攻读博士时,已率先将一种名为「InSAR」的雷达遥感技术应用于监测冰川活动。连接InSAR的卫星每隔12天会围绕地球运行一圈,并在同一地点拍摄卫星图像,让用家可以监测及量度微细地表改变。然而,要观测偏远地区冻土层突然融化崩塌的情况却极具挑战性,科学家需花数天时间来比对大量卫星图像,以评估这些冻土层随时间的变化、扩展情况及滑塌位置。

现有遥感探测技术的限制在于需要实地考察,以及人手于卫星图像勾划出目标位置,才能获得全面的资讯进行分析。为此,刘教授开发了一个革命性的人工智能深度学习工具「DeepThaw」,让科学家更全面了解冻土退化的情况和问题。是项研发为首次将人工智能技术应用于冰雪圈研究。

取名「DeepThaw」,刘教授希望技术能结合「深」度学习,助科学家分析冻土「深」坑。刘教授表示,冻土消融会形成不同的地貌,例如因地下冰融化而凹陷的土地称为「热融喀斯特地形」(Thermokarst),DeepThaw会自动分析卫星图片中显示的地表下陷和滑塌,以及侦测热融喀斯特地形的地理分布和下陷带来的影响。DeepThaw更备有高空间解析度,能精准地分辨和勾划出面积细至0.3公顷的小型地坑,是人工智能应用在地貌学及地球物理学的重要贡献。

现时,刘教授的研究团队以西藏高原作试点,以DeepThaw分析西藏高原的海量冻土卫星图片,以提升演算法在分析地貌特征及测量微细变化的准绳度。「我们的研究将配合全球卫星系统持续监测冻土消融情况,希望DeepThaw能更全面及精准地测量其他地区的冻土变化。现时,西藏高原有数百处冻土崩塌,导致邻近的公路甚至铁路等基础设施受严重影响。」刘教授说。

(左图)永冻土及冰融喀斯特湖泊在西藏高原的分布 (右图)877 处由DeepThaw自动辨识的冻土崩塌位置
DeepThaw结合人工智能技术,能快速分辨及勾画出因冻土退化而造成的滑塌位置。 DeepThaw.

 

为确保DeepThaw 的准确性,刘教授不时带领研究团队实地考察,覆检目标位置是否与DeepThaw的分析结果一致,并按需要作出修正。

刘教授考察时拍摄距离地面五米深的塌陷,冻土层经解冻后暴露深色地层。
放置在高速公路旁的警告标示,提醒潜在的塌陷路段。

冻土层消融的恶果常被忽视,除了导致地面崩裂,亦会唤醒长眠地下的细菌或微生物腐蚀土壤,释出高浓度温室气体,加剧温室效应及加快冻土退化。刘教授期望人工智能技术的应用,能将全球暖化的严重性带到大众眼前,唤起他们的关注。「随着人工智能技术的应用日趋成熟,我寄望DeepThaw 能为研究冻土退化特征的和影响带来重要的研究方向。」

突破传统技术的限制,才能开发出尖端技术弥补现有的不足,例如将InSAR及DeepThaw一同使用,发挥两者优点。「若这两种技术日后能一同应用于研究,定能事半功倍。我亦期望在新技术辅助下,更好地将冰雪圈面临的危机向公众传达。」刘教授道。

刘琳教授

刘教授于2014年加入中大,现为地球系统科学课程副教授。早前,他获美国地球物理联盟颁发2021年度「John Wahr Early Career Award」,以嘉许他利用创新方法推进太空大地测量学发展的杰出贡献。他在美国科罗拉多大学波德分校的博士生涯启发了他对研究大地测量学和冰雪圈的兴趣,奖项以他的博士指导老师命名,对刘教授而言弥足珍贵。

他补充:「我的科学研究生涯都奉献于冰雪圈研究,能将大地测量学和冰雪圈科学两个学科结合是令我的研究变得与众不同的原因。冰雪圈是我真正感兴趣的范畴,所以我选择了利用尖端技术来研究它的奥妙之处。」

联合国年度气候变化会议上月初于格拉斯哥召开,刘教授说:「过往会议没有将冰雪圈放在焦点议题,但今年有不少科学家出席,希望提高公众对冰雪圈变化的关注。」他亦希望借助他的科研,提醒大众全球暖化的速度比预期更快,并提供有力的证据,促使决策者就气候变化问题作出行动。