利用 AI 提前发现地陷隐患

佛罗里达大学的研究人员正在研发一种人工智能模型，希望在地陷真正出现之前，就能准确捕捉到其早期迹象。工业与系统工程系（ISE）助理教授 Minhee Kim 博士表示，她一直在寻找可以用数据方法解决的现实问题，而地理信息学正是一个前景广阔、但尚未被充分挖掘的方向。

地理信息学与地陷监测

地理信息学被视为地球科学与工程之间的纽带，核心是利用各类地理空间技术——例如卫星影像、全球定位系统（GPS）以及激光雷达（LiDAR，用于测距并生成三维地图）——来采集和分析地质相关数据。

Kim 团队的目标，是在现有地理信息模型基础上进一步扩展，整合更多类型的数据，用于识别存在地陷风险的区域。

佛罗里达的高地陷风险背景

佛罗里达州地表下广泛分布可溶性基岩，主要为石灰岩。长期降雨会逐渐溶解这些岩层，形成地下空洞，在干旱等不利条件叠加下，地面就可能突然塌陷。

不同来源的统计数据略有差异，但佛罗里达州政府和保险公司每年合计报告的地陷事件多达数千起。根据保险信息研究所的数据，地陷造成的损失每年在该州达到数亿美元，2020 年单次保险理赔的平均金额超过 14 万美元。

美国地质调查局的估算显示，在全美范围内，过去 15 年中，地陷相关损失每年至少造成 3 亿美元的经济损失。

多源数据驱动的 AI 模型

Kim 正与佛罗里达大学地理信息学助理教授 Chunli Dai 博士合作，开发一套智能系统。该系统通过人工智能方法，对来自多种渠道的异构数据进行训练和分析，包括：

• 卫星遥感影像
• GPS 观测记录
• 土壤与地质测量数据
• 气象与水文等环境数据

系统的设计思路，是让 AI 自动寻找并匹配相似的环境条件，从而在不同情景下进行自适应学习，识别地陷的早期信号。

Dai 表示，团队的重点是利用遥感技术捕捉地陷发生前的前兆特征，同时汇集历史地陷事件的地质、水文及其他环境信息。研究的目标，是能够识别潜在地陷形成区域，并给出地陷发生概率的估计。

预警与决策支持

研究团队希望，这一系统最终能提供更早、更准确的地陷预警信息。Kim 指出，这些分析结果将为市政规划者和其他相关方提供更有价值的数据支撑，帮助他们在基础设施建设、加固和选址方面做出更合理的决策。

该项目周期为三年。Kim 介绍，项目完成后将发布一款开源软件，用户可以将各类地球科学数据输入系统，用于预测地陷风险。

她补充说，虽然预计最先使用这套工具的主要是地球科学家及相关领域研究人员，但团队希望这项工作能够长期维护和扩展，逐步惠及更广泛的公众。

数据越多，模型越“聪明”

Kim 提到，团队成员包括 Sanduni Disanayaka Mudiyanselage 博士和博士生 Kani Fu。团队正在收集多种类型的数据：

• 地下水相关数据
• 各类卫星影像
• 不同来源的地球科学数据集

他们正积极采集佛罗里达各地的数据，以便模型和分析结果覆盖尽可能广的区域。

在这项研究中，数据的多样性是关键。Kim 解释说，团队提出了一种新模型，专门应对地球科学数据集的特殊挑战。例如，当天气恶劣、云层遮挡导致卫星图像缺失时，模型可以结合其他数据源和特征，对缺失信息进行推断。

这些推断可能会利用土壤条件等信息来弥补空白。比如，比较盖恩斯维尔和奥卡拉地区土壤特性的差异，在缺少卫星图像时，仍然可以对当地地陷风险做出估计。

Kim 表示，希望这项研究不会在三年项目结束时画上句号，而是随着更多人贡献数据和专业知识，持续更新和完善模型，使其不断进化。