Машинное обучение помогает точно определять соленость моря в Арктике
14.05.2024
Российские ученые разработали новый алгоритм для определения солености поверхности воды в Северном Ледовитом океане с использованием спутниковых данных и методов машинного обучения. Построенная модель обеспечивает возможность получения данных практически в реальном времени и позволит значительно сэкономить ресурсы при прокладке ледокольных маршрутов по морям Арктики. Исследование ученых, поддержанное грантом РНФ, опубликовано в журнале Frontiers in Marine Science.
Соленость океанических вод — один из важнейших факторов, влияющих на климатические характеристики Мирового океана. Для ее измерения в течение последних 15 лет используют спутниковые радиометры. Данные солености поверхности моря необходимы для изучения процессов взаимодействия океана, речного стока, морского льда и атмосферы. Соленость поверхностности океана влияет на формирование циркуляции и биологическую продуктивность. Кроме того, лед, образующийся из опресненных вод, гораздо прочнее, чем лед из соленых морских вод, что важно учитывать при планировании маршрутов ледокольных судов.
Алгоритмы восстановления данных о солености моря по спутниковым данным, разработанные ранее, хорошо работают для типичных значений температуры и солености Мирового океана. Для Северного Ледовитого океана, особенно его шельфовых районов, в которые поступает большой речной сток, эти алгоритмы дают невысокую точность из-за низких характерных значений температуры и солености.
Ученые из лабораторий координационного центра «Плавучий университет» МФТИ и Института океанологии им. Ширшова РАН выработали новый подход для определения солености в Северном Ледовитом океане в безледный период года. Разработка базируется на подходах машинного обучения – от моделей классических методов, таких как Random Forest и Gradient Boosting, до глубоких искусственных нейронных сетей различных архитектур. Специалисты использовали для своей работы (обучения и проверки моделей) обширную базу данных измерений солености в российских арктических морях, собранную в экспедициях с 2015 по 2021 год.
"Из-за того что последнее время мы ходим в море, в том числе в арктические моря, каждый год, мы накопили данные с более чем 10 разных рейсов, которые охватывают почти все моря Российской Арктики. Это и Баренцево море, и Карское, и Лаптевых, и Восточно-Сибирское. Именно этот регион нам больше всего интересен, так как тут проходит Севморпуть. Кроме того, в этом районе, что очень важно, измерения проводились в разные месяцы года (с июля по октябрь). Благодаря этой базе данных мы смогли обучить модель машинного обучения и получить более качественный алгоритм", — говорит один из авторов исследования Александр Осадчиев, руководитель лаборатории арктической океанологии МФТИ и ведущий научный сотрудник Института океанологии им. Ширшова РАН.
В ходе работы ученые улучшили модели для определения солености поверхностного слоя моря в Арктике. В новых расчетах они использовали 13 переменных, включая данные стандартного алгоритма и новые характеристики, такие как доли суши и морского льда, а также угол наклона солнца. В общей сложности проведено около 500 тысяч пар сравнений спутниковых и натурных измерений с учетом всех возможных критериев. Сравнивая с данными, полученными стандартным алгоритмом, точность восстановления солености поверхности воды новой, лучшей составной моделью Gradient Boosting увеличилась с 3,15 psu до 2,15 psu, где psu — единица измерения солености (Practical Salinity Units). Также увеличился коэффициент корреляции между рассчитанными и натурными данными с 0,82 до 0,90. Поскольку модель использует только векторные спутниковые объекты, можно получить соленость Северного Ледовитого океана практически в режиме реального времени.
"Наше главное преимущество — это наличие хороших судовых данных. Но их сложно достать, потому что экспедиция — это дорого. А вот спутник летает над Арктикой каждый день. Если у нас есть первое (натурные данные) хотя бы в небольшом количестве и в достаточном второе (данные со спутника), то мы можем определить реальную соленость океана с большой точностью", — рассказывает первый автор публикации Александр Савин, младший научный сотрудник лаборатории арктической океанологии МФТИ.
Обновленные модели позволяют достичь более точных оценок солености в широком диапазоне значений. Высокая точность разработанного алгоритма при низких значениях солености особенно важна для верного детектирования областей распространения речных плюмов (водная масса, образующаяся в море в результате перемешивания речного стока и соленых морских вод), где стандартные алгоритмы имеют низкое качество. Построенные карты солености предоставляют возможность детально исследовать сезонную и межгодовую изменчивость площади и внутренней структуры плюмов Оби-Енисея и Лены в течение безледного периода года.
Источник: Российский научный фонд
Соленость океанических вод — один из важнейших факторов, влияющих на климатические характеристики Мирового океана. Для ее измерения в течение последних 15 лет используют спутниковые радиометры. Данные солености поверхности моря необходимы для изучения процессов взаимодействия океана, речного стока, морского льда и атмосферы. Соленость поверхностности океана влияет на формирование циркуляции и биологическую продуктивность. Кроме того, лед, образующийся из опресненных вод, гораздо прочнее, чем лед из соленых морских вод, что важно учитывать при планировании маршрутов ледокольных судов.
Алгоритмы восстановления данных о солености моря по спутниковым данным, разработанные ранее, хорошо работают для типичных значений температуры и солености Мирового океана. Для Северного Ледовитого океана, особенно его шельфовых районов, в которые поступает большой речной сток, эти алгоритмы дают невысокую точность из-за низких характерных значений температуры и солености.
Ученые из лабораторий координационного центра «Плавучий университет» МФТИ и Института океанологии им. Ширшова РАН выработали новый подход для определения солености в Северном Ледовитом океане в безледный период года. Разработка базируется на подходах машинного обучения – от моделей классических методов, таких как Random Forest и Gradient Boosting, до глубоких искусственных нейронных сетей различных архитектур. Специалисты использовали для своей работы (обучения и проверки моделей) обширную базу данных измерений солености в российских арктических морях, собранную в экспедициях с 2015 по 2021 год.
"Из-за того что последнее время мы ходим в море, в том числе в арктические моря, каждый год, мы накопили данные с более чем 10 разных рейсов, которые охватывают почти все моря Российской Арктики. Это и Баренцево море, и Карское, и Лаптевых, и Восточно-Сибирское. Именно этот регион нам больше всего интересен, так как тут проходит Севморпуть. Кроме того, в этом районе, что очень важно, измерения проводились в разные месяцы года (с июля по октябрь). Благодаря этой базе данных мы смогли обучить модель машинного обучения и получить более качественный алгоритм", — говорит один из авторов исследования Александр Осадчиев, руководитель лаборатории арктической океанологии МФТИ и ведущий научный сотрудник Института океанологии им. Ширшова РАН.
В ходе работы ученые улучшили модели для определения солености поверхностного слоя моря в Арктике. В новых расчетах они использовали 13 переменных, включая данные стандартного алгоритма и новые характеристики, такие как доли суши и морского льда, а также угол наклона солнца. В общей сложности проведено около 500 тысяч пар сравнений спутниковых и натурных измерений с учетом всех возможных критериев. Сравнивая с данными, полученными стандартным алгоритмом, точность восстановления солености поверхности воды новой, лучшей составной моделью Gradient Boosting увеличилась с 3,15 psu до 2,15 psu, где psu — единица измерения солености (Practical Salinity Units). Также увеличился коэффициент корреляции между рассчитанными и натурными данными с 0,82 до 0,90. Поскольку модель использует только векторные спутниковые объекты, можно получить соленость Северного Ледовитого океана практически в режиме реального времени.
"Наше главное преимущество — это наличие хороших судовых данных. Но их сложно достать, потому что экспедиция — это дорого. А вот спутник летает над Арктикой каждый день. Если у нас есть первое (натурные данные) хотя бы в небольшом количестве и в достаточном второе (данные со спутника), то мы можем определить реальную соленость океана с большой точностью", — рассказывает первый автор публикации Александр Савин, младший научный сотрудник лаборатории арктической океанологии МФТИ.
Обновленные модели позволяют достичь более точных оценок солености в широком диапазоне значений. Высокая точность разработанного алгоритма при низких значениях солености особенно важна для верного детектирования областей распространения речных плюмов (водная масса, образующаяся в море в результате перемешивания речного стока и соленых морских вод), где стандартные алгоритмы имеют низкое качество. Построенные карты солености предоставляют возможность детально исследовать сезонную и межгодовую изменчивость площади и внутренней структуры плюмов Оби-Енисея и Лены в течение безледного периода года.
Источник: Российский научный фонд