Modele AI pomagają przewidywać duże fale tropikalne i prądy oceaniczne

Zespół badaczy niedawno opracował model AI, który jest w stanie prognozować zjawiska oceaniczne, które rozciągają się na setki mil/kilometrów, takie jak fale niestabilności tropikalnej (TIW). Fale niestabilności tropikalnej (TIW) są zjawiskiem oceanicznym, które występuje w Oceanie Spokojnym, w pobliżu równika. Pacyficzne TIW obejmują ruchy zakrzywionych, trójkątnych fal, które poruszają się na zachód wzdłuż granic tropikalnego języka cold tongue – regionu tropików, który jest znacznie chłodniejszy niż otaczające go morze.

Czynniki środowiskowe, które powodują powstanie TIW, są niezwykle złożone, a zjawisko to jest trudne do przewidzenia. Przewidywanie TIW jest tradycyjnie wykonywane za pomocą skomplikowanych modeli statystycznych i fizycznych. Jednak zespół badaczy niedawno opracował model AI, który ma na celu lepsze przewidywanie TIW i innych zjawisk oceanicznych.

Według Phys.org, zespół badawczy kierowany był przez profesora LI Xiaofenga z Instytutu Oceanologii Chińskiej Akademii Nauk (IOCAS), a w skład zespołu wchodzili także członkowie z różnych chińskich jednostek naukowych, takich jak Uniwersytet Oceaniczny w Szanghaju i Drugi Instytut Oceanologii Ministerstwa Zasobów Naturalnych. Zespół wykorzystał dane satelitarne do opracowania modelu głębokiego uczenia, który miał na celu analizę fal niestabilności podczas ich przemieszczania się przez tysiące kilometrów przez ocean. Nawet z danych satelitarnych na całym świecie, czynniki środowiskowe, które wpływają na zjawiska oceaniczne, mogą być trudne do rozróżnienia, ale celem jest to, aby modele AI mogły lepiej odczytywać te zmienne i dokonywać przewidywań niż tradycyjne modele.

Model głębokiego uczenia opracowany przez badaczy wykorzystywał dane temperatury powierzchni morza zebrane przez satelity, analizując wzorce prądów i porównując je z danymi temperatury powierzchni morza zebranymi w poprzednich latach. Badacze przeszkolili i przetestowali model na danych z dziewięciu lat. Po analizie wyników badacze stwierdzili, że model był w stanie dokładnie i konsekwentnie przewidywać zmiany temperatury powierzchni morza i przewidywać zmiany czasowe i przestrzenne w TIW.

Badanie sugeruje, że modele AI wspierane przez duże zestawy danych mogą być niezawodnym sposobem przewidywania nawet niektórych z najbardziej złożonych zjawisk w oceanach.

“Modele oparte na AI, modele statystyczne i tradycyjne modele numeryczne mogą uzupełniać się nawzajem i dostarczać nowej perspektywy dla badania skomplikowanych cech oceanicznych”, wyjaśnił LI Xiaofeng według Phys.

Licz się, że w miarę udoskonalania i doskonalenia modelu pomoże on w przewidywaniu dużych fal i sztormów, co ma praktyczne zastosowanie w systemach nawigacji oceanicznej i przewidywaniu ekstremalnych zjawisk pogodowych, które mogą szkodzić miastom nadmorskim. Tego typu badania są szczególnie cenne w świecie, w którym zmiany klimatyczne zmieniają sposób, w jaki prądy oceaniczne poruszają się i oddziałują ze środowiskiem wokół nich. Badania przeprowadzone przez LI Xiaofenga i jego współpracowników są częścią rosnącego trendu wykorzystania algorytmów AI i danych satelitarnych do badania i przewidywania ruchu prądów oceanicznych i związanych z nimi zjawisk.

Jako kolejny przykład wykorzystania AI do śledzenia i przewidywania zjawisk oceanicznych, wcześniej tego roku zespół badaczy z Plymouth Marine Laboratory i Uniwersytetu Egejskiego opublikował badanie, w którym sprawdzono, w jaki sposób algorytmy uczenia maszynowego i dane satelitarne mogą być wykorzystane do identyfikacji obszarów skoncentrowanego odpadów plastikowych i śledzenia ich rozprzestrzeniania się.

Zespół wykorzystał obrazy satelitarne odpadów plastikowych i przeszkolił system identyfikacji obrazu, aby sprawdzić, czy system może dokładnie odróżnić plamy odpadów plastikowych od drewna, wodorostów i innych naturalnych obiektów pływających. Według wyników badania, algorytm był w stanie poprawnie zidentyfikować śmieci w około 86% przypadków. Badacze chcą udoskonalić model i stworzyć system, który mógłby ułatwić identyfikację i oczyszczanie odpadów plastikowych wzdłuż wybrzeży i rzek.