AI と IoT は科学者が気候モデルの課題を克服するのにどのように役立っているか

#研究者たちは、人工知能と IoT テクノロジーを使用して、南極の過酷な環境でのコケの成長を遠隔監視しています。 LoRaWAN遠隔伝送とAIoTにより、システムは過剰なデータ処理を行わずに温度や湿度などの重要なデータを収集できます。この画期的な進歩は、人工知能とモノのインターネットを組み合わせて微気候モデルを改善し、気候変動研究を支援する可能性を示しています。気候モデルはどのような課題をもたらしますか?研究者は何をしていますか?また、これは人工知能とモノのインターネットの力をどのように実証していますか?

気候モデルはどのような課題をもたらしますか?

現場で気候科学の研究、正確な気候モデルの作成、気候変動理論を裏付ける証拠の特定は、科学者に多くの課題をもたらします。産業革命以来、地球の気温と二酸化炭素レベルが上昇し続けていることを示す圧倒的な証拠はありますが、地球の気候は極めて複雑であり、さまざまな環境要因間の信じられないほど複雑な相互作用があるため、海洋の創造に備えることは困難です。飛行機、大気組成、地球規模の二酸化炭素排出量を結びつけます。

たとえば、二酸化炭素の上昇により気温が上昇しますが、歴史的には二酸化炭素レベルが上昇する前に気温が上昇しました。したがって、二酸化炭素によって気温が上昇することはないと考えるのは理解できます。しかし、詳しく見てみると、二酸化炭素濃度の上昇が地球の気温上昇を引き起こすことがわかります。二酸化炭素が気温の上昇に遅れる理由は、温度がわずかに上昇すると海洋からより多くの二酸化炭素が放出され、地球の温暖化が引き起こされるという正のフィードバック効果によるものです。気温が上がる、上がる。

正確な気候モデルを作成するには、研究者はできるだけ多くのデータを必要とし、そのデータには地球の気温から地域の大気汚染物質、風速に至るまであらゆるものが含まれている必要があります。ただし、データ内で関連するパターンを見つけるのが難しい場合があるため、大量のデータへのアクセスは諸刃の剣になる可能性もあります。

最後に、北極などの遠隔地からデータを取得するには、ローカルのインターネット アクセスが利用できないことが多く、センサーを積極的に監視できる人がほとんどいないことを考慮すると、センサーを長期間実行できる必要があります。インスタレーション。これは信じられないほどの挑戦です。

南極研究者は人工知能とモノのインターネットを利用してコケの気候監視を実施

遠隔地における気候監視を改善する必要性を認識し、南極研究者のチームは最近、人工知能とモノのインターネット技術を組み合わせて、コケを遠隔監視できるワイヤレス デバイスを作成しました。研究者らによると、コケは氷点下の環境で重要な生態系の役割を果たす「南極の森」だという。

樹木が野生動物に豊かな生態系を提供するのと同じように、コケは南極の氷のない地域の永久凍土を断熱することで、細菌、クマムシ、菌類などの小さな生命体をサポートし、豊かな生態系を実現します。同時に、苔は大気中の二酸化炭素を減らすのに役立ち、重要な二酸化炭素の吸収源となります。したがって、南極のコケの状態を監視することは、研究者が気候変動が南極の生物多様性と環境全体にどのような影響を与えているかを理解するのに役立ちます。

ただし、社会的に距離を置いた場所でのコケのモニタリングには、データの収集、処理、送信など、いくつかの課題が伴います。そのため研究者らは、データ処理には人工知能とモノのインターネットを利用し、リモート送信には LoRaWAN を利用しました。

LoRaWAN の低帯域幅の性質は、センサーから収集されたすべてのデータを送信できるわけではないことを意味します。そのため、ローカライズされた人工知能とエッジ コンピューティングにより、監視デバイスが何を送信するかを決定できます。モノのインターネット (AIoT) のための人工知能と呼ばれるこのシステムは、研究者が大量のデータを処理することなく、温度、湿度、画像などの最も関連性の高いデータを収集できるようにすることで、より優れた微気候モデルを作成するのに役立ちます。

これは人工知能とモノのインターネットの力をどのように証明しますか?

ほぼすべての IoT デバイスは、リモート サーバーで処理するために大量のデータをリアルタイムで送信するように設計できます。これまでは不可能でしたが、許容できるかもしれませんが、収集されるデータが増えるにつれて、それは現実的ではなくなります。人工知能を使用してデータを前処理し、関連するコンテンツを判断し、データを選択的に送信することは、将来の IoT サービスだけでなく、インターネット全体の改善にも役立ちます。このデバイス モデルは、既存のインターネット インフラストラクチャへの負担が軽減されるため、より大規模なデバイス ネットワークの設置を促進するのにも役立ちます。

研究者にとって、人工知能を使用して最も重要なデータをフィルタリングすることは、より正確なモデルを作成するのに役立ちます。ただし、AI の良さはトレーニングに使用されたモデルによって決まります。つまり、AI によって行われた間違いや仮定は、AI によってフィルタリングおよび処理されたデータから作成された研究モデルに影響を与えます。

以上がAI と IoT は科学者が気候モデルの課題を克服するのにどのように役立っているかの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。