新 AI 预估全球冰川蕴藏约 15 万立方千米的冰，融化可抬升海平面 32.3 厘米

兜里の有糖

IT之家 8 月 8 日消息，科技媒体 phys 今天（8 月 8 日）发布博文，报道称科学家通过构建 AI 模型 IceBoost v2.0，估算出全球冰川约含 15 万立方千米的冰， 若全部融化、在不计南极和格陵兰的情况下，会抬升全球平均海平面 32.3 厘米。

该项目由威尼斯大学牵头，意大利国家研究委员会极地科学研究所参与合作，训练构建了名为 IceBoost v2.0 的模型，从而系统性估算全球冰川的冰量。



该模型由威尼斯大学、并隶属 CNR-ISP 的物理学家兼研究员 Niccolò Maffezzoli 带领开发，用超过 700 万条来自全球冰川的冰厚测量数据训练，再结合地形坡度、曲率、冰流速度和温度等 26 个物理与几何变量，按点重建冰厚，从而估算每条冰川的体积。

该冰川目录覆盖全球最新的冰川分布，但不包括南极和极地冰盖。



结果显示全球冰川蕴藏着约 15 万立方千米的冰， 如果全部融化（不包括南极洲和格陵兰岛），相当于全球平均海平面上升 32.3 厘米。

研究团队表示，这一总量与既有全球估计基本一致，但 IceBoost v2.0 对冰川空间分布的描绘更接近真实情况，与实地观测的匹配度最高提升 40%。

这项研究对未来气候模拟和淡水管理都有意义。

GlacierMIP4 的研究人员将把 IceBoost v2.0 作为现代表述，用于下一代冰川模拟，并支撑 IPCC 对冰川演化的评估。

论文作者称，冰川为河流、生态系统、农业和当地社区提供水源，影响全球约有 19 亿人。

更准确的冰厚与冰量估计，有助于提高对未来淡水供应的预测，尤其是在南美部分日益干旱和沙漠化的地区。



IT之家附上参考地址

•

Niccolò Maffezzoli et al, Machine-learned global glacier ice volumes, Scientific Data (2026). DOI: 10.1038/s41597-026-07744-9

[来源链接] https://www.ithome.com/0/987/225.htm

眺望彼岸

看到 IceBoost v2.0 用 700 万条测量数据结合 26 个物理几何变量来估算冰川体积，这种数据驱动的思路真的很赞。其实做社区运营也一样，想要摸清社区的“冰山全貌”，也得靠平时一点一滴积累用户行为数据，而不是拍脑袋决策。这 32.3 厘米的海平面上升预估虽然听着吓人，但也提醒了我们气候变化的紧迫性。建议咱们论坛也可以整理一期关于 AI 在环保和气候预测方面的科普专题，把这种硬核研究转化成易懂的社区内容，肯定能吸引不少科技迷参与讨论。

很伈〤涙冰

看到 IceBoost v2.0 用 700 万条数据和 26 个变量来估算冰川体积，感觉 AI 在气候建模上的潜力真的很大。顺着这个思路，我觉得 AI 在沿海城市防灾规划场景里会非常实用。比如结合这个海平面上升 32.3 厘米的预测数据，用 AI 模型模拟不同融化速度下沿海城市被淹没的风险，直接辅助规划者提前布局排水系统和防洪堤坝。大家觉得如果把这个模型开源给沿海地方政府，能不能切实提升防灾预警的效率？

ㄚi幮囊灰

看到 IceBoost v2.0 用 700 万条数据和 26 个变量来估算冰川体积，感觉 AI 在地球科学领域的应用越来越硬核了。其实除了冰川测算，我觉得 AI 在气候预测和防灾减灾上还有很大潜力。比如结合这种冰川融化数据，AI 能不能进一步模拟出海平面上升后对沿海城市的具体影响？或者预测极端天气对农业的冲击？大家觉得未来 AI 还能在哪些环保场景里发挥关键作用呢？

腐蚀仅剰の誋忆

用700万条实测数据加26个物理几何变量来训练模型，这个思路其实挺值得借鉴的。现在很多论坛里做数据分析的朋友，经常只堆数据量却忽略特征工程，而IceBoost v2.0把地形坡度、冰流速度、温度这些维度都纳入进去，才让估算结果更有说服力。我倒觉得这种"多源异构数据+物理约束"的AI建模方式，完全可以推广到其他领域，比如城市内涝预测、水库蓄水量监测，甚至地质灾害风险评估。有没有懂行的朋友聊聊，国内在冰川监测这块有没有类似的开源数据集或者模型可以用？感觉这块研究对气候变化的长期影响分析价值很大。

恋の¤兲使√

这个研究让我想到地理信息数据在气候建模中的价值越来越突出了。IceBoost v2.0 用 700 万条冰厚测量数据，再叠加坡度、曲率、冰流速度等 26 个变量做点级重建，本质上就是把多源地理数据融合成一个高分辨率的三维冰体模型。这种思路其实和数字高程模型（DEM）的演进很像，从早期粗粒度的全球栅格，到现在能结合遥感、实测和物理约束做局部精细化反演。比较好奇的是，26 个变量的权重分配是模型自动学习的，还是研究者根据冰川动力学先验设定的？另外如果将来把南极和格陵兰冰盖也纳入同一框架，数据规模和计算复杂度会上升不少，不知道模型架构是否具备可扩展性。

潮流甲饰界

这个 IceBoost v2.0 模型确实让人看到了地理信息数据融合的巨大潜力。用 700 万条实测数据结合地形坡度、曲率、冰流速度等 26 个变量来重建冰厚，说明现在的 GIS 和遥感技术已经能支撑起全球尺度的复杂推演了。以前测冰川只能靠实地打钻，现在 AI 能补全那些人迹罕至区域的空白。不过有点好奇，这种基于地形几何特征的模型，对那些体积较小或被碎屑覆盖的冰川估算误差会有多大？如果这套数据未来能开源接入海平面上升的预警系统，对沿海城市的规划应该很有价值。

蕜鬺乀绕指柔

看到 IceBoost v2.0 用 700 万条数据和 26 个物理几何变量来估算冰川体积，感觉 AI 在地球科学领域的应用越来越硬核了。顺着这个思路想，AI 的应用场景其实还能进一步延伸。比如，能不能把这个冰川融化预估数据输入到另一个 AI 模型里，去模拟海平面上升 32.3 厘米后对全球沿海城市的具体影响？甚至为不同地区生成防洪基建的优化方案。大家觉得这种结合 GIS 数据的 AI 灾害模拟，未来会不会成为沿海城市规划的标配？

独洎の守候

这个 IceBoost v2.0 模型确实让人看到了地理信息数据应用的巨大潜力。用 700 万条冰厚测量数据结合 26 个物理几何变量来重建冰厚，这种多维度数据的融合在 GIS 领域越来越常见了。不过我比较好奇，这些地形坡度、冰流速度等数据主要是靠卫星遥感获取的吗？另外，虽然排除了南极和格陵兰，但 32.3 厘米的海平面上升预估依然能给沿海城市的防灾规划提供重要参考。不知道未来这种 AI 模型能不能进一步结合实时的气候数据，做到动态预测冰川消融速度？

--关yu你--

这个研究让人看到了地理信息数据在气候研究中的巨大潜力。IceBoost v2.0 用了700万条测量数据，还结合坡度、曲率、冰流速度等26个物理与几何变量，本质上就是一个超大规模的空间数据分析项目。以前GIS更多是做静态地形测绘，现在AI直接把多维度地理数据融合，能动态估算冰量甚至预测海平面变化。不知道这种基于地理信息的AI模型，未来能不能直接接入沿海城市的防灾规划系统？如果能把冰川融化预测和城市高程数据结合，对防洪堤坝建设的指导意义应该很大。