由歐洲-地中海氣候變化中心研究人員主導(dǎo)的一項(xiàng)研究，通過(guò)將人工智能與傳統(tǒng)數(shù)值海洋模型相結(jié)合，改進(jìn)了石油泄漏軌跡預(yù)測(cè)。該研究展示了如何獲取更準(zhǔn)確、更及時(shí)的預(yù)測(cè)結(jié)果，進(jìn)而實(shí)現(xiàn)更快速的分析和情景測(cè)試——這一成果可能成為應(yīng)急響應(yīng)工作中的關(guān)鍵進(jìn)展。
石油泄漏可能是最具破壞性的環(huán)境災(zāi)難之一，不僅可能嚴(yán)重破壞海洋生態(tài)系統(tǒng)、擾亂沿海社區(qū)生活，還會(huì)造成長(zhǎng)期的經(jīng)濟(jì)損失。MEDSLIK-II等傳統(tǒng)數(shù)值模型雖能模擬海水中石油顆粒的移動(dòng)與轉(zhuǎn)化過(guò)程，但其準(zhǔn)確性卻因關(guān)鍵物理參數(shù)的調(diào)優(yōu)需依賴專家判斷而受到限制。這種人工校準(zhǔn)流程盡管依托經(jīng)驗(yàn)開(kāi)展，卻未必能完全捕捉現(xiàn)實(shí)中海洋與大氣環(huán)境的復(fù)雜性及多變性。
這項(xiàng)發(fā)表在《生態(tài)信息學(xué)》期刊上、題為《利用貝葉斯優(yōu)化改進(jìn)油膜軌跡模擬》的新研究，通過(guò)引入貝葉斯優(yōu)化技術(shù)解決了這一難題。貝葉斯優(yōu)化是一種人工智能技術(shù)，能夠通過(guò)衛(wèi)星觀測(cè)數(shù)據(jù)自主學(xué)習(xí)，進(jìn)而調(diào)整模型的物理參數(shù)。這種混合方法得以將物理基模型的可靠性，與人工智能的高效性和適應(yīng)性相結(jié)合。
歐洲-地中海氣候變化中心及哥倫比亞大學(xué)研究員、該研究的主要作者加布里埃爾?阿卡里諾表示：“這項(xiàng)研究在縮小傳統(tǒng)數(shù)值海洋模型與人工智能方法之間的差距方面邁出了重要一步，證明混合解決方案能有效融合兩者的優(yōu)勢(shì)。通過(guò)將貝葉斯優(yōu)化框架與廣泛應(yīng)用的社區(qū)型MEDSLIK-II石油泄漏模型及衛(wèi)星觀測(cè)數(shù)據(jù)相結(jié)合，我們?yōu)橄乱淮鷺I(yè)務(wù)化預(yù)報(bào)系統(tǒng)搭建了原型。”
實(shí)際應(yīng)用場(chǎng)景
歐洲-地中海氣候變化中心研究員、該研究的合著者馬可?德卡洛表示：“石油泄漏對(duì)生態(tài)系統(tǒng)和人類活動(dòng)均會(huì)產(chǎn)生嚴(yán)重影響，而預(yù)測(cè)其擴(kuò)散變化趨勢(shì)，對(duì)于開(kāi)展有效的干預(yù)行動(dòng)至關(guān)重要。傳統(tǒng)數(shù)值模型雖有一定作用，但依賴人工選取參數(shù)，這可能會(huì)引入不確定性。我們提出的混合方法并非要取代物理模型，而是對(duì)其進(jìn)行補(bǔ)充——既能提升模擬結(jié)果的真實(shí)性與可靠性，即便在數(shù)據(jù)稀缺的情況下，也能保持良好的表現(xiàn)。”
研究團(tuán)隊(duì)以2021年敘利亞巴尼亞斯石油泄漏事件為案例，驗(yàn)證了這種混合方法的有效性。在該事件中，超過(guò)1.2萬(wàn)立方米的石油泄漏至地中海（見(jiàn)圖1）。此次應(yīng)用得出的結(jié)果表明，預(yù)報(bào)準(zhǔn)確性獲得了顯著提升：在與衛(wèi)星觀測(cè)到的油膜形態(tài)及擴(kuò)散范圍的匹配度上，空間精度最高提升了20%；與標(biāo)準(zhǔn)模型預(yù)測(cè)相比，位置追蹤精度最高提升了25%；而綜合技能評(píng)分（用于將石油泄漏的空間分布與衛(wèi)星觀測(cè)等“真實(shí)基準(zhǔn)”進(jìn)行對(duì)比的指標(biāo)）相較于對(duì)照模擬，平均從7.97%提升至20.66%。
圖 1 2021年8月24日至27日選取的、針對(duì)敘利亞巴尼亞斯石油泄漏事件的油膜圖像。每個(gè)子圖均依據(jù)衛(wèi)星反演數(shù)據(jù)及衛(wèi)星重訪時(shí)間，呈現(xiàn)了油膜演變的連續(xù)階段。
這些改進(jìn)在多個(gè)時(shí)間步長(zhǎng)中均保持穩(wěn)定，尤其在漂移變異性增強(qiáng)的時(shí)段表現(xiàn)突出，這表明該方法在動(dòng)態(tài)環(huán)境條件下依然有效。這一成果為石油泄漏事件中的應(yīng)急響應(yīng)部門(mén)帶來(lái)了顯著益處：更精準(zhǔn)的軌跡預(yù)測(cè)能幫助有關(guān)部門(mén)更高效地部署應(yīng)急行動(dòng)，從而有可能避免海洋生態(tài)系統(tǒng)遭受進(jìn)一步破壞。
該方法的另一重要優(yōu)勢(shì)在于，經(jīng)過(guò)訓(xùn)練的機(jī)器學(xué)習(xí)模型可通過(guò)高效校準(zhǔn)數(shù)值模型的參數(shù)來(lái)加快其運(yùn)行速度，進(jìn)而實(shí)現(xiàn)更快速的分析與情景測(cè)試。
德卡洛表示：“隨著新觀測(cè)數(shù)據(jù)的獲取，該方法還能實(shí)現(xiàn)實(shí)時(shí)更新；且其框架具備可遷移性與可部署性，可應(yīng)用于不同地理區(qū)域或其他場(chǎng)景，例如大氣建?；蚝Ｑ蠼?。這使其不僅是一款研究工具，更成為適用于實(shí)際業(yè)務(wù)的解決方案，能在環(huán)境突發(fā)事件中為快速?zèng)Q策提供支持。”
歐洲-地中海氣候變化中心研究員、該研究的合著者伊戈?duì)?魯伊斯?阿塔克表示：“作為一名專注于海洋污染模擬的海洋學(xué)家，我深知建模者的經(jīng)驗(yàn)對(duì)于成功還原石油泄漏這類事件的模擬結(jié)果至關(guān)重要。對(duì)目標(biāo)區(qū)域和模擬工具的了解越深入，得到的結(jié)果就越精準(zhǔn)。而我們歐洲-地中海氣候變化中心的跨學(xué)科團(tuán)隊(duì)開(kāi)發(fā)的這套新方法，能夠自動(dòng)尋找石油泄漏模型的最優(yōu)調(diào)優(yōu)參數(shù)。”
我們得出的研究結(jié)果仍需在其他真實(shí)石油泄漏事件中接受檢驗(yàn)。不過(guò)，從目前的研究發(fā)現(xiàn)來(lái)看，我們預(yù)計(jì)該方法能節(jié)省專家的時(shí)間——讓他們無(wú)需將精力耗費(fèi)在問(wèn)題的技術(shù)細(xì)節(jié)上，轉(zhuǎn)而可以更深入地從整體層面了解泄漏事件。在海洋應(yīng)急事件中，時(shí)間至關(guān)重要。
除石油泄漏應(yīng)急響應(yīng)之外，這一創(chuàng)新框架還具備在其他環(huán)境預(yù)報(bào)系統(tǒng)中應(yīng)用的巨大潛力——這些系統(tǒng)同樣面臨不確定性高、觀測(cè)數(shù)據(jù)有限的類似挑戰(zhàn)。例如，該方法也可應(yīng)用于大氣模型及通用海洋環(huán)流模型，有望減少長(zhǎng)期存在的模型偏差，并改進(jìn)對(duì)小尺度物理過(guò)程的模擬效果。
阿卡里諾表示：“從這個(gè)角度而言，這項(xiàng)研究不僅提供了一項(xiàng)新穎的技術(shù)成果，更指向了環(huán)境預(yù)報(bào)領(lǐng)域的一種范式轉(zhuǎn)變——在這種新范式下，融入物理知識(shí)的人工智能將成為業(yè)務(wù)化風(fēng)險(xiǎn)管理及氣候適應(yīng)力策略的核心基礎(chǔ)。”
隨著氣候變化持續(xù)改變海洋與大氣環(huán)境狀況，此類人工智能增強(qiáng)型建模系統(tǒng)等創(chuàng)新方法，對(duì)于保護(hù)海洋環(huán)境及沿海社區(qū)免受環(huán)境災(zāi)害影響而言，正變得愈發(fā)關(guān)鍵。
該研究成果表明，將人工智能與傳統(tǒng)環(huán)境建模相融合，能夠帶來(lái)切實(shí)可行的改進(jìn)——這些改進(jìn)不僅有助于深化科學(xué)認(rèn)知，也能提升現(xiàn)實(shí)場(chǎng)景中的應(yīng)急響應(yīng)能力。
該研究中所用的模擬運(yùn)算依托歐洲-地中海氣候變化中心的JUNO混合計(jì)算集群完成，該集群是歐洲用于氣候與環(huán)境研究的最先進(jìn)計(jì)算設(shè)施之一。優(yōu)化工作流程的設(shè)計(jì)由歐洲-地中海氣候變化中心研究人員主導(dǎo)，他們同時(shí)整合了機(jī)器學(xué)習(xí)組件，并通過(guò)衛(wèi)星數(shù)據(jù)對(duì)研究結(jié)果進(jìn)行了驗(yàn)證。
微信公眾號(hào)
微信視頻號(hào)
京公網(wǎng)安備11010502053156號(hào)