Kunstmatige intelligentie onthult verbindingen tussen de oceaan

• Een nieuwe machine learning-techniek identificeert verbanden en patronen in de oceaan die logisch zijn.
• Het onthult in totaal 5 dynamische, consistente regio's die samen bijna 93,7% van de oceaan in de wereld uitmaken, samen met hun meest dominante fysieke parameter.

Vóór de opkomst van geavanceerde observatie- en modelleringsmethoden, werd de fysieke/dynamische toestand van de oceaan bepaald met behulp van grootschalige quasi-laminaire beschrijvingen zoals Stommel-Arons-stromen, abyssale recepten of Sverdrup-balans.

Recente vorderingen op het gebied van modellering en instrumentatie hebben aangetoond dat oceaanfysica kan worden gekenmerkt door ingewikkelde ruimtelijke en temporele variabiliteit. Elke regio in de zee heeft een unieke staat die afhankelijk is van verschillende factoren, zoals lokale meteorologie, de nabijheid van westelijke en oostelijke grenzen en meer.

Om te detecteren welke fysica het meest dominant is op een bepaalde locatie, moet men een overweldigend aantal gegevenspunten onderzoeken voor verschillende parameters, waaronder zoutgehalte, snelheid, temperatuur en hoe dingen veranderen met de diepte.

Omdat het onmogelijk is voor een mens om zulke enorme hoeveelheden gegevens te ontcijferen, hebben MIT-onderzoekers een nieuwe machine learning-methode ontwikkeld om verbanden en patronen in de oceaan te identificeren die logisch zijn.

Wat heeft het algoritme opgelost?

Het onderzoeksteam gebruikte de 'Estimating the Circulation and Climate of the Ocean' (ECCO) om gegevens te verkrijgen over wat er in de mondiale oceaan gebeurt. ECCO biedt oceaanvariabiliteit, kustfysica, biologische cycli en geodesie, gebaseerd op miljarden parameters die in de afgelopen 2 decennia zijn geregistreerd.

Referentie:Wiley Online Bibliotheek | doi:10.1029/2018EA000519 | MIT

Vervolgens pasten ze K-means-clustering toe - een methode voor vectorkwantisatie - om robuuste patronen in gegevens te detecteren en de dominante fysica in de zee te bepalen. De resultaten onthulden in totaal 5 clusters, die 5 dynamische, consistente regio's vertegenwoordigen die samen bijna 93,7% van de oceaan uitmaken.

De grootste cluster, bijvoorbeeld, is goed voor ongeveer 43% van de wereldzee:de meest dominante parameter is de windbelasting op het zeeoppervlak, die wordt gecompenseerd door koppels in de bodem. Deze parameter wordt meestal geregistreerd in subpolaire en subtropische gyres op het noordelijk halfrond, grote delen van de Noordelijke IJszee en een dun lint in de Zuidelijke Oceaan.

Oceanen geclusterd door vergelijkbare parameters | Krediet:Maike Sonnewald

Evenzo tonen de andere 4 clusters de dominante fysieke parameter en waar deze precies kan worden gevonden in de mondiale oceaan. De resterende 6,3% van de oceaangebieden was een behoorlijke uitdaging om vast te stellen.

In de volgende studie zullen onderzoekers dezelfde machine learning-techniek gebruiken met gegevens met een hogere resolutie om de resterende 6,3% te volgen. Ze zullen zich concentreren op factoren die gevoelig zijn voor klimaten, zoals gyre-circulatie en kantelen.

Lezen:de oceaan van de aarde heeft van 1991 tot 2016 338 zettajoule aan warmte-energie geabsorbeerd

Voorlopig kan deze tool oceanografen en wetenschappers helpen hun analyse te vergemakkelijken, regio's te vergelijken met regio's die zich vergelijkbaar gedragen en hun onderzoek op de juiste plaatsen te concentreren.