Een nieuwe kunstmatige intelligentiemethode transformeert de manier waarop we de oceanen van de aarde observeren, waardoor standaard weersatellieten worden omgezet in trackers met hoge resolutie van onderwaterbewegingen. Door gebruik te maken van bestaande satellietgegevens hebben onderzoekers een manier ontwikkeld om oceaanstromingen met ongekende details en frequentie in kaart te brengen, waarmee een kritieke leemte in ons begrip van de klimaatsystemen van de planeet wordt opgevuld.
De kloof in oceaanobservatie
Decennia lang hebben wetenschappers moeite gehad om twee tegenstrijdige behoeften in de oceanografie in evenwicht te brengen: brede dekking en hoogfrequente details.
Traditioneel berustte het observeren van de oceaan op twee hoofdmethoden, die beide aanzienlijke nadelen hebben:
– Satelliethoogtemeting: Deze satellieten meten de hoogte van het zeeoppervlak om de stroming te schatten, maar ze bezoeken dezelfde plek slechts ongeveer elke 10 dagen. Dit gaat veel te langzaam om ‘voorbijgaande’ gebeurtenissen vast te leggen – stromingen die binnen enkele uren ontstaan en weer verdwijnen.
– Lokale sensoren: Schepen en kustradar bieden uitstekende details, maar zijn beperkt tot kleine, plaatselijke gebieden.
Dit gebrek aan gegevens creëert een ‘blinde vlek’ met betrekking tot verticale menging – het proces waarbij oppervlaktewater zinkt of diep water stijgt. Deze beweging is van vitaal belang omdat het fungeert als het bloedsomloopsysteem van de oceaan, waarbij voedingsstoffen naar het zeeleven worden getransporteerd en kooldioxide uit de atmosfeer in de diepe oceaan wordt opgeslagen. Zonder realtime gegevens over de kleine, snel bewegende stromingen die deze vermenging aandrijven, blijven onze klimaatmodellen onvolledig.
Enter GOFLOW: temperatuur in beweging zetten
De oplossing, genaamd GOFLOW (Geostationary Ocean Flow), werd ontwikkeld door een onderzoeksteam onder leiding van Luc Lenain (UC San Diego’s Scripps Institution of Oceanography) en Kaushik Srinivasan (UCLA).
De doorbraak ligt in de manier waarop het systeem data gebruikt. In plaats van dure nieuwe hardware te vereisen, maakt GOFLOW gebruik van warmtebeelden van bestaande geostationaire weersatellieten (zoals GOES-East). Deze satellieten leggen zo vaak als elke vijf minuten temperatuurpatronen over het oceaanoppervlak vast.
Hoe de AI werkt
De onderzoekers trainden een deep-learning neuraal netwerk om een complexe visuele puzzel op te lossen. Het proces werkt als volgt:
1. Patroonherkenning: De AI is getraind met behulp van computersimulaties met hoge resolutie om te herkennen hoe temperatuurpatronen “buigen, uitrekken en bewegen” onder invloed van de watersnelheid.
2. Temporele tracking: Door reeksen thermische beelden te analyseren, volgt de AI hoe deze hittepatronen in de loop van de tijd vervormen.
3. Gevolgtrekking: Het systeem leidt vervolgens de onderliggende oceaanstromingen af die verantwoordelijk zijn voor die specifieke bewegingen, waardoor een “time-lapse” van temperaturen effectief wordt omgezet in een kaart van de waterbeweging.
Validatie van de resultaten
Om er zeker van te zijn dat de AI niet alleen maar ‘hallucinerende’ patronen veroorzaakte, vergeleek het team de resultaten van GOFLOW met metingen uit de echte wereld van schepen in de Golfstroom en traditionele satelliettopografiegegevens.
De resultaten waren zeer succesvol. GOFLOW kwam niet alleen overeen met bestaande gegevens, maar onthulde ook fijnschalige kenmerken, zoals kleine wervels en grenslagen, die eerdere methoden de neiging hadden glad te strijken of te negeren. Deze kleine, intense stromingen zijn de belangrijkste aanjagers van verticale menging, en voor het eerst kunnen ze in de echte wereld worden waargenomen in plaats van alleen in computersimulaties.
Implicaties voor de toekomst
Het vermogen om oceaanstromingen bijna in realtime te volgen heeft verstrekkende gevolgen:
– Klimaatwetenschap: Verbeterd begrip van hoe de oceaan warmte en koolstof absorbeert.
– Milieubescherming: Betere tracking van olielekken en de verplaatsing van afval in zee (zoals plastic).
– Veiligheid: Verbeterde gegevens voor zoek- en reddingsoperaties.
– Weervoorspelling: Nauwkeurigere modellen van lucht-zee-interacties.
“Dit opent de deur voor het testen van al lang bestaande ideeën over hoe de oceaan warmte en koolstof opneemt”, merkt Luc Lenain op.
Uitdagingen en volgende stappen
Hoewel revolutionair, is GOFLOW niet zonder hindernissen. Omdat het systeem afhankelijk is van warmtebeelden, kan bewolking het zicht belemmeren, waardoor gaten in de gegevens ontstaan. Om dit op te lossen werkt het onderzoeksteam aan de integratie van aanvullende soorten satellietgegevens om een naadloze, continue dekking te bieden.
Het team heeft hun code- en dataproducten al openbaar gemaakt en de mondiale wetenschappelijke gemeenschap uitgenodigd om deze technologie over de oceanen van de wereld uit te breiden.
Conclusie: Door bestaande weersatellietgegevens via AI opnieuw te gebruiken, biedt GOFLOW een goedkoop, zeer gedetailleerd inzicht in de beweging van de oceaan, en biedt het een essentieel nieuw hulpmiddel voor het monitoren van de hartslag van het klimaat op onze planeet.
