苏黎世联邦理工学院（ETH）和保罗·谢勒研究所（PSI）的研究人员利用人工智能开发了首张欧洲景观质量地图。这项研究分析了风力发电场扩张与保护自然景观之间的紧张关系，处理了英国用户评分的超过20万张图像，以训练一个能够识别定义自然美景因素的机器学习模型。
机器学习与地理空间数据可视化 🌍
人工智能模型识别出关键模式，如冰川和岩石地形、靠近水域以及阳光的存在，作为视觉吸引力的决定性因素。这些数据被集成到地理信息系统（GIS）中，以生成欧洲的交互式三维地图。这种表示方法允许叠加数据层：一方面是高景观价值区域，另一方面是根据风速和可达性等技术标准适合安装风力发电机的最佳区域。结果是一个科学可视化工具，以图形方式展示领土冲突点。
3D能源转型的困境 ⚡
通过在3D模型中叠加这两层数据，研究人员观察到许多高景观质量区域与风力涡轮机的理想位置重合。这种可视化不仅量化了冲突，而且使其对城市规划者和生态学家来说变得具体。该地图因此成为一种科普资源，有助于理解将能源可持续性与美学保护相结合的复杂性，为关于领土规划的知情讨论提供视觉基础。
ETH和PSI的研究人员使用了哪些3D可视化技术来代表风力发电场视觉影响与自然景观保护之间的冲突，在其欧洲地图中？
（附注：用于模拟海洋的流体物理学就像大海一样：不可预测，而且你总是会耗尽内存）