Каждое лето тайфуны, угрожающие Корейскому полуострову, получают энергию из тёплых вод Северо-Западной части Тихого океана. В последние годы частота и интенсивность экстремальных погодных явлений, таких как волны жары, засухи и проливные дожди, всё чаще связывают с повышением температуры поверхности моря (ТПМ).
Точное прогнозирование ТПМ стало жизненно важным компонентом прогнозирования климата и погоды. Однако спутниковые наблюдения, которые обеспечивают широкий и непрерывный мониторинг, часто страдают от пробелов в данных из-за облаков, осадков и других ограничений наблюдений, что затрудняет долгосрочный анализ климата с высоким разрешением.
В ответ на эту проблему группа исследователей из UNIST разработала новаторскую модель искусственного интеллекта (ИИ), способную восстанавливать недостающие спутниковые данные и генерировать непрерывные наборы данных ТПМ с высоким разрешением и беспрецедентной точностью.
Результаты исследования были опубликованы в журнале Remote Sensing of Environment. Под руководством профессора Джонхо Има из Департамента гражданской, городской, земной и экологической инженерии команда объявила о создании инновационной системы реконструкции на основе ИИ, которая заполняет пробелы в наблюдениях, производя данные ТПМ с пространственным разрешением в 2 километра и на hourly basis (ежечасно).
Это достижение обещает значительно улучшить наше понимание океанических условий, которые напрямую влияют на региональные погодные и климатические закономерности.
Океан сохраняет примерно 90% энергии, приходящей на поверхность Земли, а ТПМ служит критической границей, где происходит теплообмен между океаном и атмосферой. Повышенные ТПМ могут переносить тепло вверх, подпитывая мощные тайфуны, усиливая волны жары и повышая риск проливных дождей. Однако, несмотря на важность, непрерывный мониторинг ТПМ с высоким разрешением остаётся сложной задачей из-за пробелов в спутниковых снимках.
Чтобы преодолеть это препятствие, исследователи использовали генеративно-состязательную сеть (GAN) — сложную архитектуру ИИ, изначально разработанную для синтеза изображений, — и обучили её, используя высокочастотные спутниковые данные в сочетании с термодинамическими данными из моделей численного прогнозирования погоды (ЧПП).
В отличие от традиционных моделей, этот подход объединяет физические принципы океана, позволяя ИИ производить данные ТПМ, которые точно соответствуют реальным физическим условиям, даже при наличии пропущенных наблюдений.
«Традиционные методы, такие как линейная интерполяция или статистические модели, часто не могут сохранить мелкие детали ТПМ, особенно во время быстрых изменений температуры», — объяснил Сихун Чон, первый автор исследования. «Наша модель ИИ не только превосходит эти методы по точности, но и сохраняет высокую достоверность даже в сложных условиях, что делает её мощным инструментом для мониторинга климата».
Профессор Им подчеркнул более широкое влияние, сказав: «Эта передовая технология реконструкции особенно важна для Северо-Западной части Тихого океана — региона, подверженного частым тайфунам и климатической изменчивости».
Он также отметил: «Предоставляя данные ТПМ с высоким разрешением, мы можем значительно улучшить прогнозы погоды и климатические модели. В долгосрочной перспективе эта технология может также использоваться в системах раннего предупреждения о морских катастрофах, таких как морские волны жары, помогая защитить сообщества и экосистемы».
Предоставлено:
Ulsan National Institute of Science and Technology (Ульсанский национальный институт науки и технологий)