Οι παγκόσμιοι χάρτες βροχόπτωσης που δημιουργούνται από δορυφορικές παρατηρήσεις δεν είναι πάντα πλήρεις. Οι δορυφόροι που καταγράφουν τις βροχοπτώσεις δεν μπορούν να παρακολουθούν ολόκληρη τη Γη ταυτόχρονα, με αποτέλεσμα να δημιουργούνται περιοχές χωρίς έγκυρες μετρήσεις. Τα κενά αυτά δυσκολεύουν την ακριβή αποτύπωση της κατανομής της βροχής, ιδιαίτερα όταν τα δεδομένα χρησιμοποιούνται για την παρακολούθηση έντονων καιρικών φαινομένων και την εκτίμηση πλημμυρικών κινδύνων.
Ερευνητική ομάδα του Πανεπιστημίου Chiba στην Ιαπωνία ανέπτυξε μια μέθοδο τεχνητής νοημοσύνης που επιχειρεί να αποκαταστήσει αυτές τις ελλείψεις, αξιοποιώντας πληροφορίες τόσο από τις γύρω περιοχές όσο και από τις χρονικές στιγμές πριν και μετά την απουσία παρατηρήσεων. Η προσέγγιση αντιμετωπίζει τις διαδοχικές εικόνες βροχόπτωσης σαν καρέ ενός βίντεο, ώστε να αναγνωρίζει όχι μόνο πού βρίσκεται η βροχή, αλλά και πώς μεταβάλλεται στον χώρο και στον χρόνο.
Μια διαφορετική προσέγγιση στους χάρτες βροχόπτωσης
Η ερευνητική ομάδα εστίασε στο Global Satellite Mapping of Precipitation (GSMaP), ένα σύστημα παγκόσμιας χαρτογράφησης βροχοπτώσεων που παράγεται από την Ιαπωνική Υπηρεσία Αεροδιαστημικής Εξερεύνησης (JAXA). Οι υφιστάμενες μέθοδοι συμπλήρωσης των κενών βασίζονται σε μεγάλο βαθμό στις παρατηρήσεις των προηγούμενων και επόμενων χρονικών περιόδων. Αυτό μπορεί να διατηρεί τη χρονική συνέχεια των εκτιμήσεων, χωρίς όμως να εξασφαλίζει πάντα ομαλή μετάβαση ανάμεσα στις περιοχές με πραγματικές μετρήσεις και σε εκείνες που έχουν ανακατασκευαστεί.
ΔΕΙΤΕ ΕΠΙΣΗΣ | Νοθεία σε εισαγόμενους χυμούς λεμονιού: 7 ύποπτα δείγματα μπλοκαρίστηκαν στα σύνορα
Για να αντιμετωπίσουν το πρόβλημα, οι ερευνητές χρησιμοποίησαν ένα μοντέλο τεχνητής νοημοσύνης που συνδυάζει τεχνικές διάχυσης (diffusion models) με ένα τρισδιάστατο νευρωνικό δίκτυο U-Net. Το σύστημα επεξεργάζεται διαδοχικούς χάρτες και αξιοποιεί πρόσθετες πληροφορίες, όπως υπέρυθρες δορυφορικές εικόνες νεφών, γεωγραφικές συντεταγμένες και τη χρονική στιγμή κάθε παρατήρησης. Με βάση αυτά τα δεδομένα, εκτιμά πώς θα μπορούσε να κατανέμεται η βροχόπτωση στις περιοχές όπου λείπουν οι μετρήσεις.
ΔΕΙΤΕ ΕΠΙΣΗΣ | EFSA: Δεν τεκμηριώθηκε ότι το δημοφιλές εκχύλισμα σπανακιού μειώνει την πείνα και τις λιγούρες
Η εκπαίδευση πραγματοποιήθηκε με ωριαία δεδομένα βροχόπτωσης από το ERA5, το σύνολο δεδομένων επανάλυσης του Ευρωπαϊκού Κέντρου Μεσοπρόθεσμων Μετεωρολογικών Προγνώσεων, για την περίοδο 2020-2023. Επειδή το ERA5 διαθέτει πλήρεις χάρτες, οι ερευνητές αφαίρεσαν τεχνητά περιοχές από τις εικόνες, χρησιμοποιώντας πρότυπα κενών αντίστοιχα με εκείνα των δορυφορικών παρατηρήσεων. Έτσι, το μοντέλο εκπαιδεύτηκε να ανακατασκευάζει τις περιοχές που είχαν αποκρυφτεί, γνωρίζοντας ποια ήταν η αρχική κατανομή της βροχής.
Δοκιμές με δεδομένα του 2024
Η αξιολόγηση έγινε με δεδομένα του 2024 και περιλάμβανε συγκρίσεις με άλλες μεθόδους βαθιάς μάθησης, μεταξύ των οποίων συμβατικά νευρωνικά δίκτυα U-Net, μεταβλητούς αυτοκωδικοποιητές και γενετικά ανταγωνιστικά δίκτυα. Σύμφωνα με τα αποτελέσματα, το μοντέλο διάχυσης πέτυχε υψηλή ακρίβεια και καλύτερη συνέπεια μεταξύ των διαδοχικών χαρτών, τόσο στον χώρο όσο και στον χρόνο, σε σύγκριση με τις μεθόδους που εξετάστηκαν.
Οι ερευνητές δοκίμασαν επίσης την προσέγγιση σε πραγματικούς χάρτες GSMaP με ελλείπουσες περιοχές. Καθώς δεν υπήρχε πλήρης έκδοση των ίδιων χαρτών για άμεση σύγκριση, χρησιμοποίησαν τα δεδομένα ERA5 ως σημείο αναφοράς. Τα αποτελέσματα έδειξαν ότι η μέθοδος μπορεί να εφαρμοστεί και σε πραγματικές δορυφορικές παρατηρήσεις, αν και η περαιτέρω αξιολόγηση θα είναι σημαντική για να διαπιστωθεί η απόδοσή της σε διαφορετικές καιρικές συνθήκες.
Η μέθοδος θα μπορούσε να εξελιχθεί ώστε να χρησιμοποιείται σε εφαρμογές που απαιτούν σχεδόν άμεση ενημέρωση, προσφέροντας πληρέστερη εικόνα της βροχόπτωσης σε περιοχές όπου οι επίγειοι βροχομετρικοί σταθμοί και τα μετεωρολογικά ραντάρ είναι περιορισμένα. Οι πιθανές χρήσεις περιλαμβάνουν την παρακολούθηση ισχυρών βροχοπτώσεων και πλημμυρών, τη διαχείριση υδάτινων πόρων και την υδρολογική ανάλυση.
Η έρευνα δημοσιεύθηκε στο περιοδικό Earth and Space Science.
ΔΕΙΤΕ ΕΠΙΣΗΣ
- Στο στόχαστρο Nestlé και Unilever για παραπλανητικούς ισχυρισμούς υγείας σε δημοφιλή προϊόντα
- Πόσο κόστισε η προσπάθεια της Bayer να επηρεάσει τις αποφάσεις της ΕΕ για τη γλυφοσάτη; Aποκαλυπτικά στοιχεία του Corporate Europe Observatory
- Η κλιματική κρίση απειλεί και το ψωμί μας – Πώς η αύξηση του CO₂ ρίχνει την ποιότητα του σιταριού και αυξάνει τον κίνδυνο για δυσανεξίες
- Ισόβια κάθειρξη σε υπεύθυνη νηπιαγωγείου για τη δηλητηρίαση 247 παιδιών – Έβαζε χρωστικές που περιείχαν μόλυβδο στα γεύματα για να τα κάνει ελκυστικά
- Φριτέζα αέρα: Πώς θα απαλλαγείτε από τις επίμονες οσμές που δεν υποχωρούν ούτε μετά το καθάρισμα
