一个专家团队，包括来自埃克塞特大学的查理柯克伍德，创造了一种复杂的新方法来更详细和准确地模拟地球的自然特征。

新技术可以识别地形的复杂特征和方面，远远超出传统方法的能力，并使用它们来生成质量更高的环境地图。

至关重要的是，新系统还可以为解锁自然环境中关系的新发现铺平道路，这可能有助于解决 21 世纪一些更大的气候和环境问题。

该研究发表在《数学地球科学》杂志上，作为地质统计学和机器学习特刊的一部分。

对环境进行建模和映射是一个漫长、耗时且昂贵的过程。成本限制了可以获得的观测数量，这意味着创建全面的空间连续地图取决于填补这些观测之间的空白。

科学家可以使用一系列信息源来帮助填补这些观测空白，例如地形高程数据和卫星图像。然而，传统的建模方法依赖于用户从这些数据集中手动设计预测特征——例如从地形高程数据中生成坡度角和曲率，希望这些可以帮助解释被映射变量的空间分布。

然而，科学家们认为，在自然环境中可能存在更多微妙的关系，而基于传统手动特征工程方法的模型可能会忽略这些关系。

该研究中开发的开创性的新人工智能方法将环境信息提取作为一个优化问题。这样做允许它自动识别和利用关系，否则这些关系可能会被人类使用更传统的建模方法忽视和利用。

除了提高地图质量外，这种方法还释放了人工智能在自然环境中发现新关系的潜力，同时消除了建模过程中的大量试错实验。

埃克塞特大学的研究生查理柯克伍德说：“为了对决策有用，我们需要我们的模型提供尽可能具体的答案，同时还要值得信赖——这意味着要准确衡量与相关的不确定性。我们的估计，在这种情况下是对未测量位置的预测。”

“我们的 AI 方法设置在贝叶斯统计框架内，这使我们能够量化这些不确定性并提供一系列不确定性度量，包括可信区间、超出概率和其他更多定制产品，这些产品将直接用于决策制定过程。至关重要的是，所有这是在比传统方法更有效地利用任何可用信息的同时提供的——您可以在地图的细节中看到这一点。”

使用来自英国地质调查局环境地球化学基线调查 (G-BASE) 项目的河流沉积物钙浓度观测结果证明了这种新方法。

钙在环境中的分布对其土壤肥力的影响具有独立的重要性，主要受地质条件(不同岩石类型含有不同比例的钙)以及地表的水文过程控制。

因此，钙为 AI 方法提供了一个具有挑战性的用例，它必须学会识别和利用与基岩地质学(例如不同的地形纹理、斜坡断裂)和地表水文学(例如排水、河道)相关的特征。

科学家们说，这种方法制作了一张非常详细和准确的地图，尽管只描绘了一种元素——钙，但由于新的人工智能方法的信息提取能力，它可以说是在一个新的细节水平上揭示了英国的地质情况。该团队认为，通过结合其合作伙伴(埃克塞特大学、气象局和英国地质调查局)的研究技能、专业知识和数据资源，这项工作为人工智能时代的环境测绘实践提供了新的曙光。

埃克塞特大学的 Gavin Shaddick 教授补充说：“这是环境智能的一个极好的例子，它使用人工智能来帮助解决环境科学中的挑战。这项工作是将人工智能和机器学习的技术知识与地球科学专业知识相结合的典范产生直接解决绘制环境信息的关键问题的新​​方法。由此产生的方法学进步可用于制作各种环境危害的详细地图，并有可能为科学家和决策者提供丰富的信息来源。 "

英国地质调查局临时首席数字官 Garry Baker 补充说：“这篇论文很好地展示了如何通过新方法(人工智能空间插值)重新评估 BGS 地球化学数据库等环境信息。它体现了持续环境研究，以及如何利用通过国家地球科学数据中心和更广泛的 NERC 和 UKRI 数据存储库向所有人提供的广泛数据集。”

英国气象局数据科学首席研究员兼环境情报卓越联合中心联合主任 Kirstine Dale 博士评论了这项工作的价值：“这是数据科学如何有可能改变我们的理解的一个重要例子自然世界。至关重要的是，它突出了跨学科合作可以取得的成就，在这种情况下，将数学家、气象专家和计算机科学家聚集在一起，以一种任何单一学科都无法做到的方式丰富了我们对自然世界的了解。