苏黎世联邦理工学院（ETH）和保罗·谢尔研究所（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自然景观保护之间的冲突，通过处理英国用户评分的20多万张图像，训练出一个能够识别自然美景关键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、靠近水域以及阳光照射，这些是决定视觉吸引力的关键因素。这些数据被整合到地理信息系统（GIS）中，生成了欧洲的三维交互式地图。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涡轮机的区域。结果是一种科学可视化工具，以图形方式揭示了领土冲突点。
三维能源转型困境 ⚡
通过将两层数据叠加到3D模型中，研究人员观察到许多高景观质量区域与理想的风力涡轮机位置重合。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可感。因此，这张地图成为了一种科普资源，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了视觉基础。
ETH和PSI的研究人员使用了哪些3D可视化技术来绘制欧洲地图，以表现风力发电场视觉影响与自然景观保护之间的冲突？
（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）