English version of this page

MASSIVE – Maskinlæring, massebalanse for isbreer, snø, in-situ-data, volumendringer og jordobservasjon

Isbreer er under press når klimaet blir varmere. Arealendringer og massebalansen, et mål på massetap eller massegevinst for en isbre, er representativt for isbreens "helsetilstand". Isbreer finnes i et enormt antall over hele verden, og på grunn av deres  utilgjengelighet er satellitt-data en verdifull kilde for å kartlegge alt breareal og balanse i bremassen for de siste tiårene.

Engabreen, en brearm av Svartisen beliggende i Nordland fylke. Illustrasjon: MASSIVE (Databehandling) / Foto: T. Schellenberger 

Engabreen, en brearm av Svartisen beliggende i Nordland fylke. Illustrasjon: MASSIVE (Databehandling) / Foto: T. Schellenberger

Om prosjektet

Isbreene på Jorda er under press i dagens klimaoppvarmingstrend. Arealendringer og massebalansen, et mål på massetap eller massegevinst av en isbre, er representative for "helsetilstanden" til en isbre. De er også anerkjent som essensielle klimavariabler av Verdens meteorologiske organisasjon (WMO). På grunn av det store antallet isbreer på omtrent 200.000 over hele verden og deres utilgjengelighet, er satellitt-data en verdifull kilde til å kartlegge breareal og bremassebalanse over hele verden i løpet av de siste tiårene.

Satellittbilder har gjort det mulig for forskere å manuelt eller automatisk kartlegge utvidelse av isbreer og breoverflatetyper (breens tilstand, det vil si snø, krystallisering, is). Multi-temporal informasjon om breoverflaten høyde og proxy (snødekke, albedo) som er svært korrelert med bremassebalansen, har blitt brukt til å estimere masseendringer. I dag motiverer den stadig økende mengden satellittdata utviklingen av ny metodikk for å maksimere informasjonen som hentes (merverdi) og for å lette håndteringen og lagringen av dataene (f.eks. datakuber). I MASSIVE har prosjektteamet som mål å forbedre brekartlegging og estimater for  overflatebremassebalansen ved hjelp av maskinlæring, spesielt dyp læring.

Maskinlæring, har nylig blitt revolusjonert av såkalt dyplæring. I forbindelse med bildeanalyse er Convolutional Neuronal Networks blant de mest vellykkede algoritmer for dyplæring. Disse kan lære opp et hierarki av romlige egenskaper på forskjellige lag av nettverket, forbundet med stigende abstraksjonsnivåer, dvs. fra rå pikselverdier til deler av objekter (kanter og hjørner), lokale former og opp til komplekse strukturer i satellitt- og luftbilder.

I MASSIVE vil vi bruke de beste nettverksarkitekturene til piksel-vis kartlegging innenfor fjernmåling, Fully Convolutional Networks, blir tilpasset til kartlegging av isbreens utbredelse og estimater for massebalansen.

Bildet kan inneholde: organisme, bildekk, gjøre, formasjon, kunst.
Engabreens brefront sett med ulike data. Foto: Kartverket/Høydedata, CSA Radarsat-2, Norge i bilder. Collage: MASSIVE/UiO

Mål

I MASSIVE vil prosjektgruppen arbeide med å forbedre teknikken for kartlegging av isbreer og vurdering av massebalansen på overflaten av isbreer ved hjelp av dyp læring. Vi vil utvikle metodologien for isbreer i Norge, Svalbard, de Europeiske Alpene og Himalaya og deretter utvide den til regioner med forskjellige karakteristika.

Prosjektet vil resultere i et multi-temporal breatlas og en flerårig tidsserie av massebalansen for de undersøkte isbreene. Dette er data som kan hjelpe de nasjonale myndigheter med at rapportere om massebalansen for isbreer og anvendes som input til hydrologisk modellering og globale modeller for massebalansen for isbreer. Datakubene for isbreer vil være open-access for å fremme fremtidig forskning i disse viktige klimaindikatorer.

Finansiering

Prosjektet MASSIVE er finansiert av Norges Forskningråd i Forskerprosjekter for fornyelse-programmet. Prosjektnummeret ved NFR er 315971.

Prosjektet hadde oppstart i 2021 og har varighet til 2025.

Samarbeid

MASSIVE-prosjektet utføres i samarbeid med forskere fra flere forskningsinstitusjoner i Norge, Italia og Nederland. Samarbeidspartnere er: 

Publikasjoner

Fant ingen resultater i Cristin

Publisert 24. feb. 2022 15:21 - Sist endret 25. mars 2022 10:42