利用新成像技术打开观察环境现象的窗口

卫星、无人机、雷达和显微镜收集的数据为我们更好地了解环境提供了宝贵的信息。当这些数据与人工智能(AI)相结合时，它们可以揭开各个层面发生的现象的秘密。

在这个快速变化、环境威胁普遍存在的世界中，更好地了解自然和人为过程有助于证实观点、指导保护和更新工作并引导新的研究。

获得这种理解的关键之一是成像技术。卫星、雷达、激光雷达和显微镜正在捕获大量数据;诀窍是将不同形式的数据整合在一起，有时在人工智能的帮助下，收集有价值的见解。

许多领域的研究人员正在利用新成像技术提供的机会(例如确定植物的化学成分、发现漂浮在海洋中的废物、量化和描述降水、绘制红海珊瑚礁地图以及评估大面积耕地的健康状况)，以便更多地了解各种规模的生态系统。

冷冻植物以获得更好的观察效果

在洛桑联邦理工学院的生物地球化学实验室(LGB)，科学家们正在亚细胞水平上研究一系列生物和其他过程：微藻与其栖息的珊瑚之间关系的破裂;盐胁迫对植物造成的压力;基于长度不到一毫米的微小碳酸盐壳重建过去的气候条件;等等。

科学家们正在使用各种显微镜和其他高科技微分析仪器来观察化学转移，其中即使是微小的分子和离子变化也会破坏整个生物体并在更大范围内产生影响。

以珊瑚和它们所寄生的数千种微藻为例，它们之间似乎存在着一种完美的共生关系：珊瑚以微藻释放的营养物质为食，而微藻则吸收珊瑚产生的二氧化碳。然而，这种古老的关系，恰好也正是这种关系赋予了珊瑚闪闪发光的色彩，现在正受到全球变暖的威胁。

水温升高使微藻承受压力，促使它们释放对珊瑚有毒的化合物。珊瑚最终会将它们驱逐出去。这会导致珊瑚白化，甚至可能导致珊瑚死亡。当这种情况大规模发生时，整个珊瑚礁生态系统可能会崩溃，并导致海洋生物多样性的巨大损失。

过去几年，LGB的科学家团队一直在使用离子显微镜研究这种共生关系的隐藏秘密。“我们使用NanoSIMS显微镜，基本上是用离子轰击样品，”LGB的博士后NilsRädecker说。“这让我们能够以非常高的分辨率观察转移过程。我们可以看到单个细胞，甚至亚细胞结构。”

利用NanoSIMS，科学家们能够发现共生关系破裂的新机制，例如微藻会在珊瑚将其排出之前自私地停止为珊瑚提供营养。

这幅由NanoSIMS显微镜拍摄的单幅图像拼接图展示了海葵触手横截面的铵吸收情况，蓝色和粉色分别表示铵吸收率最低和最高的区域。这项技术使EPFL的研究人员能够以亚细胞分辨率研究代谢相互作用。图片来源：EPFL/NilsRädecker—CC-BY-SA4.0

“NanoSIMS的问题在于，大多数可溶性化合物在所需的样品制备过程中会丢失，”LGB教授AndersMeibom说道。为了解决这个问题，科学家们耐心地开发了CryoNanoSIMS显微镜，这种显微镜可以分析冷冻状态下的生物样品，并且不会丢失任何物质。

Meibom说：“因此，CryoNanoSIMS使我们能够精确地对可溶性化合物(例如药物或微量污染物等特定分子)在单个细胞中的积累位置进行成像。”

显微镜开辟了许多新的研究途径。例如，LGB的博士后PriyaRamakrishna正在使用它来制作模型植物的高分辨率化学图，以研究细胞对土壤盐分的反应。

“土壤盐度增加会影响植物生长，从而对粮食作物产生影响。我们需要了解植物对此的反应，”她说。

图像和人工智能为我们的星球发出声音

地球表面面积超过1.96亿平方公里，有足够的空间让生态系统在远离人迹罕至的地方蓬勃发展，这些地方是实地科学家无法到达的。然而，配备传感器的无人机、卫星和智能手机构成了一个密集的数据收集设备网络，可以提供匿名的可用信息。

“例如，我们最常用的卫星可以拍摄290公里宽、分辨率为10米的区域的高精度图像，”EPFL环境计算科学与地球观测实验室(ECEO)教授DevisTuia说道。“由于图像是地理定位的，因此我们始终知道正在分析的位置的坐标。”

无论是研究动物种群、农作物分布和成熟度、识别漂浮在海面上的废物还是追踪冰川融化，使用成像技术观察和监测环境的潜力都是巨大的。

Tuia表示：“每个问题都有自己的传感器和自己喜欢的解决方案。此外，可用的数据非常多样化。我们采用标准的信息提取算法和人工智能对这些异构的非结构化数据集进行分类、分类、搜索和处理，并将它们转化为有用的结构化信息。”

他的研究小组最近开发了一款人工智能程序，可根据市售相机拍摄的序列快速绘制珊瑚(已知在海洋生态系统中发挥重要作用的生物)的3D地图。借助这项技术，即使没有经过特殊训练的潜水员也可以轻松收集大型珊瑚礁的数据。

然后还有卫星数据。这些类型的图像仍具有大量未开发的潜力，研究人员经常发现他们必须使用特定领域有限的数据从头开始训练基本图像识别程序。“到目前为止，还没有一个程序可以快速从识别垃圾切换到识别树木或建筑物，”Tuia说。

他和他的团队与荷兰瓦赫宁根大学、麻省理工学院、耶鲁大学和德国于利希研究中心的同事一起开发了一款名为METEOR的变色龙应用程序，该应用程序可以在仅显示少量高质量图像后训练算法识别新物体，以及元学习算法。在现场数据采集困难或成本高昂的情况下，它可以节省大量时间。

云分析

与此同时，洛桑联邦理工学院环境遥感实验室(LTE)的科学家正在探索为什么没有两片雪花(或雨滴)是相同的。他们正在借助雷达、激光雷达和一种特殊的雪花3D照片拍摄设备，监测全球降水情况并研究云层，包括阿尔卑斯山、南极、北极和希腊。

“成像是我们观察跨时间和空间以及不同尺度的天气现象变化的唯一方法，”LTE教授亚历克西斯·伯恩(AlexisBerne)说。

时至今日，研究人员仍难以获得准确可靠的降水定量数据，尤其是山区和极地地区的固体降水。然而，此类数据对于保护水资源、预测自然灾害和评估气候变化对高度敏感地区的影响大有裨益。

多生晶体

关于云层内部水滴和冰晶如何形成，还有很多东西需要研究。虽然某些气溶胶(悬浮在大气中的固体或液体颗粒)周围的凝结机制是众所周知的，这些气溶胶充当了所谓的“冰川成因”核，但第二个过程，即二次冰，仍然隐藏着一些神秘的元素。

当研究人员将雷达对准云层以量化降水形成时，液滴和晶体的数量远远超过气溶胶粒子。这些数字并不相符。“我们仍然不太确定这种二次冰过程是如何进行的，”伯恩说。

他的实验室将与EPFL(极端环境研究实验室和大气过程及其影响实验室)的其他实验室一起参与一个大型项目，在世界各地不同地点进行云层分析。

目标是观察积雨云和其他云族的行为。“在这里，计算机建模还将帮助我们更好地了解我们进行观测的环境条件，”伯尔尼说。

来自电磁波的图像

然而，伯恩补充道：“我们不会进行生物医学成像领域的那种图像分析。”该领域的科学家使用的雷达每天会产生数十GB的数据，这些数据经过分析后可用于对特定天气现象进行案例研究并生成统计数据。

“我们最感兴趣的研究因素通常是间接观察到的因素，”Berne说。“激光雷达和雷达使用电磁波，我们实时测量物体的电磁特性。我们的工作重点是恢复算法，这将使我们能够提取有关云粒子微物理特性的信息，以更好地了解所涉及的机制并更准确地量化降水。”