Satelity z AI odkrywają trójwymiarowe chmury.
Uruchomiony w maju 2024 r. satelita ESA EarthCARE zbliża się do końca fazy rozruchu, a pierwsze dane dotyczące chmur i aerozoli zostaną opublikowane na początku przyszłego roku. W międzyczasie międzynarodowy zespół naukowców znalazł innowacyjny sposób zastosowania sztucznej inteligencji do innych danych satelitarnych w celu uzyskania trójwymiarowych profili chmur.
Jest to szczególnie ważna wiadomość dla tych, którzy z niecierpliwością czekają na dane z EarthCARE w dążeniu do rozwoju nauki o klimacie.
Chmury odgrywają kluczową rolę w ziemskim systemie klimatycznym, odbijając światło słoneczne z powrotem w przestrzeń kosmiczną, co znane jest jako efekt albedo, oraz zatrzymując ciepło promieniujące z powierzchni Ziemi, co jest częścią efektu cieplarnianego.
Na przykład wysokie, cienkie chmury mają tendencję do ogrzewania atmosfery, ponieważ duża część energii słonecznej może przez nie przejść, a także skutecznie zatrzymują ciepło promieniujące z powierzchni Ziemi. Z drugiej strony, niskie, gęste chmury mają tendencję do chłodzenia, ponieważ odbijają dużą część docierającego światła słonecznego z powrotem w przestrzeń kosmiczną.
Chociaż naukowcy wiedzą, że chmury odgrywają niezwykle ważną rolę zarówno w chłodzeniu, jak i ocieplaniu naszej atmosfery, nadal istnieje niepewność, jeśli chodzi o dokładny wpływ, jaki mają one na bilans energetyczny Ziemi.
Co więcej, biorąc pod uwagę trwający kryzys klimatyczny, istnieje pilna potrzeba zrozumienia, czy zmiany w chmurach będą miały ogólny wpływ na ochłodzenie lub ocieplenie w przyszłości.
Globalne dane 3D dotyczące chmur w czasie rzeczywistym pomogłyby zmniejszyć te niepewności, poprawiając prognozy klimatyczne i pomagając w podejmowaniu decyzji.
Przez ostatnie dziesięciolecia misja CloudSat NASA dostarczała cennych pionowych profili chmur, ale była ograniczona rzadkimi rewizytami. Z drugiej strony misje geostacjonarne, takie jak europejski Meteosat Second Generation (MSG), wykonują zdjęcia nad Europą co 15 minut, ale uzyskują jedynie widok "z góry na dół", bez bezpośredniego badania profili chmur.
Wykorzystując zaawansowane techniki uczenia maszynowego, międzynarodowy zespół naukowców, koordynowany przez ESA ?-lab i FDL Europe, wykorzystał zaawansowane techniki uczenia maszynowego do opracowania metody generowania "profili chmur 3D wszędzie, wszystko na raz".
W swoim badaniu proof-of-concept przeanalizowali roczne zarchiwizowane dane CloudSat i MSG z 2010 roku. Wynikający z tego artykuł, który został zaprezentowany w tym tygodniu na konferencji Neural Information Processing Systems w Kanadzie, pokazuje, w jaki sposób sztuczna inteligencja może wydobyć nowe spostrzeżenia z istniejących obserwacji satelitarnych.
Anna Jungbluth z ESA's Climate and Long-Term Action Division, wyjaśniła: "Dokładnie dopasowaliśmy zmierzone profile CloudSat do obrazów z MSG. Pomogło nam to zrozumieć, w jaki sposób "widok z góry" i odpowiadające mu profile chmur były ze sobą powiązane.
"Następnie przeszkoliliśmy modele uczenia maszynowego, aby zrozumieć to mapowanie i uzyskać profile chmur z obrazów 2D. Pozwoliło nam to rozszerzyć profile CloudSat zarówno w przestrzeni, jak i w czasie."
Integracja najnowocześniejszych technik sztucznej inteligencji i wiedzy specjalistycznej w zakresie obserwacji Ziemi stanowi przykład tego, jak innowacyjne podejścia mogą zwiększyć wartość istniejących i przyszłych misji satelitarnych.
Pierwsza animacja w treści tego artykułu pokazuje, w jaki sposób sztuczna inteligencja została wykorzystana na obrazie MSG (kanał podczerwieni) ze współbieżną ścieżką CloudSat. Model uczy się na podstawie ograniczonego nakładania się obrazu MSG i śladu CloudSat i jest w stanie rozszerzyć pionowy profil chmur w przestrzeni.
Druga animacja (również przedstawiona w górnym banerze) pokazuje, jak po przeszkoleniu modelu można przewidywać obrazy MSG bez odpowiednich śladów CloudSat, a mapy chmur 3D można tworzyć w przestrzeni i czasie.
Michael Eisinger, z zespołu projektu EarthCARE, a także z Działu Klimatu i Działań Długoterminowych ESA, dodał: "EarthCARE dostarczył nam już kilka bardzo obiecujących wstępnych danych i spodziewamy się wspaniałej nauki z tej nowej misji satelitarnej. Nasza praca nad generowaniem tych profili chmur 3D kładzie podwaliny pod wykorzystanie EarthCARE pod innym kątem.
"Te nowe metody sztucznej inteligencji obiecują zmaksymalizować potencjał naukowy EarthCARE i zintegrować jego dane z kompleksowymi globalnymi modelami, które przesuną granice nauki o klimacie."Bądź na bieżąco z kolejnymi aktualizacjami, ponieważ dane EarthCARE są wykorzystywane do udoskonalania i rozszerzania tego pionierskiego podejścia.
Uwaga: Badania te zostały umożliwione przez FDL Europe Earth Systems Lab, partnerstwo publiczno-prywatne między ESA, Trillium Technologies, Uniwersytetem Oksfordzkim i liderami w dziedzinie komercyjnej sztucznej inteligencji, wspierane przez Google Cloud, Scan AI i NVIDIA Corporation.
Dziękujemy, że przeczytałaś/eś artykuł! Obserwuj nas w Wiadomościach Google.
