|
ИИ изучает планетарный пограничный слой Земли
|
|
|
|
Хотя тропосферу часто считают ближайшим слоем атмосферы к поверхности Земли, планетарный пограничный слой (PBL) — самый нижний слой тропосферы — на самом деле является той частью, которая наиболее существенно влияет на погоду вблизи поверхности. В обзоре десятилетия планетарной науки за 2018 год PBL был поднят как важная научная проблема, которая потенциально может улучшить прогнозирование штормов и климата. "PBL - это место, где поверхность взаимодействует с атмосферой, включая обмен влагой и теплом, которые способствуют возникновению суровых погодных условий и изменению климата", - говорит Адам Мильштейн, технический сотрудник группы прикладных космических систем Лаборатории Линкольна в Массачусетском технологическом институте. "PBL - это также место, где живут люди, и турбулентное перемещение аэрозолей по всему PBL важно для качества воздуха, которое влияет на здоровье человека".
|
|
|
|
Несмотря на то, что они жизненно важны для изучения погоды и климата, важные характеристики PBL, такие как его высота, трудно определить с помощью современных технологий. В течение последних четырех лет сотрудники Lincoln Laboratory изучали PBL, сосредоточившись на двух различных задачах: использовании машинного обучения для создания 3D-сканированных профилей атмосферы и более четком определении вертикальной структуры атмосферы для лучшего прогнозирования засух. Эти исследовательские усилия, ориентированные на PBL, основаны на более чем десятилетней работе над быстрыми и оперативными алгоритмами нейронных сетей, разработанными лабораторией Линкольна для миссий НАСА. Эти миссии включают в себя наблюдения за структурой осадков и интенсивностью штормов с временным разрешением с помощью созвездия малых спутников (TROPICS), а также спутника Aqua, который собирает данные о круговороте воды на Земле и наблюдает за такими переменными, как температура океана, количество осадков и содержание водяного пара в атмосфере.
|
|
|
Эти алгоритмы извлекают данные о температуре и влажности из данных спутниковых приборов и, как было показано, значительно повышают точность и полезный глобальный охват наблюдений по сравнению с предыдущими подходами. Для TROPICS алгоритмы помогают извлекать данные, которые используются для характеристики быстро меняющихся структур шторма почти в режиме реального времени, а алгоритмы Aqua помогли усовершенствовать модели прогнозирования, мониторинга засухи и прогнозирования пожаров. Эти рабочие алгоритмы для TROPICS и Aqua основаны на классических "неглубоких" нейронных сетях для максимальной скорости и простоты, создавая одномерный вертикальный профиль для каждого спектрального измерения, полученного прибором в каждом местоположении. Хотя этот подход в целом улучшил наблюдения за атмосферой вплоть до поверхности, включая PBL, сотрудники лаборатории пришли к выводу, что для дальнейшего улучшения деталей PBL необходимы новые методы "глубокого" изучения, которые рассматривают атмосферу над интересующей областью в виде трехмерного изображения.
|
|
|
|
"Мы предположили, что методы глубокого обучения и искусственного интеллекта (ИИ) могут улучшить существующие подходы, включив в решения более качественное статистическое представление трехмерных изображений температуры и влажности атмосферы", - говорит Мильштейн. "Но потребовалось некоторое время, чтобы понять, как создать наилучший набор данных — сочетание реальных и смоделированных данных; нам нужно было подготовиться к обучению этим методам". Команда в сотрудничестве с Джозефом Сантанелло из Центра космических полетов имени Годдарда НАСА и Уильямом Блэквеллом, также из Группы прикладных космических систем, недавно продемонстрировала, что эти алгоритмы поиска могут улучшить детализацию PBL, включая более точное определение высоты PBL по сравнению с предыдущими разработками.
|
|
|
|
Хотя расширенные знания о PBL в целом полезны для улучшения понимания климата и погоды, одним из ключевых приложений является прогнозирование засух. Согласно опубликованному в прошлом году обзорному отчету о глобальной засухе, засухи являются насущной планетарной проблемой, которую необходимо решать мировому сообществу. Низкий уровень влажности у поверхности земли, особенно на уровне атмосферного давления, является основным показателем засухи. В то время как в предыдущих исследованиях с использованием методов дистанционного зондирования изучалась влажность почвы для определения риска засухи, изучение атмосферы может помочь предсказать, когда произойдет засуха. Мильштейн и сотрудник лаборатории Майкл Пипер работают с учеными Лаборатории реактивного движения НАСА (JPL) над использованием методов нейронных сетей для улучшения прогнозирования засухи в континентальной части Соединенных Штатов. В то время как работа основана на существующей оперативной работе, проделанной JPL, включая (частично) лабораторный подход к работе с "мелкими" нейронными сетями для Aqua, команда считает, что эта работа и исследовательская работа по глубокому обучению, ориентированная на PBL, могут быть объединены для дальнейшего повышения точности прогнозирования засухи.
|
|
|
|
"Лаборатория Линкольна уже более десяти лет работает с НАСА над алгоритмами нейронной сети для оценки температуры и влажности в атмосфере с помощью космических инфракрасных и микроволновых приборов, в том числе на космическом аппарате Aqua", - говорит Мильштейн. "За это время мы многое узнали об этой проблеме, работая с научным сообществом, в том числе узнали о том, какие научные проблемы остаются нерешенными. Наш многолетний опыт работы над этим типом дистанционного зондирования с учеными НАСА, а также наш опыт использования методов нейронных сетей дали нам уникальную перспективу". По словам Мильштейна, следующим шагом в рамках этого проекта будет сравнение результатов глубокого обучения с наборами данных Национального управления океанических и атмосферных исследований, НАСА и Министерства энергетики, собранных непосредственно в PBL с помощью радиозондов - приборов, установленных на метеозонде. "Эти прямые измерения можно считать своего рода "базовой информацией" для количественной оценки точности разработанных нами методов", - говорит Мильштейн. По словам Мильштейна, этот усовершенствованный нейросетевой подход обещает продемонстрировать предсказание засухи, которое может превзойти возможности существующих индикаторов, и стать инструментом, на который ученые смогут положиться на десятилетия вперед.
|
|
|
|
Источник
|
