Новый метод может преобразовать спутниковую информацию о высоте морской поверхности в понимание течений, тепловых потоков и, в конечном итоге, изменения климата.

Океанографы используют спутники, чтобы наблюдать за Землёй и измерять высоту поверхности океана. Эта информация может помочь им составить карту циркуляции океанских течений и понять роль, которую это движение играет в переносе тепла и изменении климата. Запущенный в конце 2022 года спутник топографии поверхностных вод и океана (SWOT) сможет делать снимки высоты морской поверхности в более точном масштабе, чем когда-либо прежде — десятки километров вместо сотен.
Подвох? Простые, основанные на физике методы преобразования высоты морской поверхности в значимую информацию об океанских течениях не применимы при таком высоком разрешении. Это потому, что пристальное рассмотрение океана также означает обнаружение волн под поверхностью воды. Хотя эти волны не влияют на океанские течения, они добавляют шум к наблюдениям за высотой морской поверхности.
Теперь Сяо и др. представляют новый метод машинного обучения для использования данных SWOT о высоте морской поверхности для оценки различных аспектов течения в верхних слоях океана. В методе применяется вычислительный подход, основанный на человеческом зрении, известный как свёрточная нейронная сеть, которую исследовательская группа обучила на данных реалистичного моделирования высоты морской поверхности и динамики течений.
Исследователи продемонстрировали, что их подход свёрточной нейронной сети может использовать мелкомасштабную высоту морской поверхности для оценки некоторых характеристик течения. Улучшив понимание того, как течения переносят тепло и углерод, учёные смогут лучше понять и предсказать изменение климата.
Исследователи отмечают, что это первоначальное достижение представляет собой подтверждение концепции, и необходимы дальнейшие исследования для усовершенствования нового метода, прежде чем его можно будет надёжно использовать с данными SWOT.
Тем временем SWOT будет продолжать снимать в высоком разрешении изображения не только океанов Земли, но и почти всех поверхностных вод по всему миру, включая озёра, реки и водохранилища. (Journal of Advances in Modeling Earth Systems (JAMES), https://doi.org/10.1029/2023MS003709, 2023 г.)

 

Ссылка: https://eos.org/research-spotlights/machine-learning-provides-a-clearer-window-into-ocean-motion