Satellieten kunnen waterkwaliteit beter meten, met een simpele truc

Je kijkt naar een satellietfoto van de kust en ziet een groene waas in het water. Is dat een schadelijke algenbloei, of gewoon een normale hoeveelheid plantaardig plankton? Satellieten kunnen dat vanuit de ruimte inschatten, maar hoe nauwkeurig die inschatting is, hangt af van iets wat onderzoekers tot nu toe grotendeels over het hoofd zagen.

Satellieten zoals Sentinel-3 meten de kleur van zeewater. Uit die kleur berekenen computermodellen twee belangrijke dingen: de hoeveelheid chlorofyl-a (het groene pigment in algen, een maat voor algengroei) en de Secchi-diepte (hoe diep je nog kunt kijken in het water, een maat voor helderheid). Deze gegevens zijn belangrijk voor het volgen van waterkwaliteit en het opsporen van schadelijke algenbloei.

Voor die berekeningen gebruiken wetenschappers steeds vaker machine learning: computerprogramma's die zelf patronen leren herkennen in data. Tot nu toe richtte het meeste onderzoek zich op het trainen en bijstellen van die modellen zelf. Maar er is nog een stap die vaak wordt overgeslagen: hoe je de ruwe satellietdata voorbewerkt voordat je die aan het model geeft. Dat proces heet feature engineering, het slim omvormen en filteren van data zodat een model er beter mee kan werken.

Zeven stappen die het verschil maken

Een onderzoeksteam ontwikkelde een raamwerk met zeven opeenvolgende stappen om satellietdata voor te bewerken. Denk aan het kiezen van de juiste kleurbanden, het herschalen van getallen, en het extraheren van nuttige patronen uit de data. Ze testten dit op drie soorten machine learning-modellen, toegepast op Sentinel-3-data van de Noorse kustwateren.

Het verschil was groot. Bij de gewone, niet-geoptimaliseerde voorbewerking varieerde de nauwkeurigheid van modellen enorm: de mate waarin voorspellingen overeenkwamen met de werkelijkheid liep uiteen van bijna nul tot redelijk goed. Met de geoptimaliseerde voorbewerking scoorden de modellen steevast het best.

Concreet: de nauwkeurigheid voor chlorofyl-metingen kon tot twee keer zo hoog uitvallen. De gemiddelde meetfout daalde met tot 63 procent, vergeleken met de standaardalgoritmes die nu gebruikt worden. Dat is een aanzienlijke verbetering voor iets dat draait om het herkennen van vervuild of gezond water.

Wat betekent dit (nog) niet: Dit betekent niet dat er één beste methode bestaat die overal werkt. De onderzoekers vonden juist geen voorbewerkingsstrategie die voor alle situaties en alle modellen tegelijk het beste resultaat gaf. Voor elke toepassing, elk gebied en elk type meting moet de voorbewerking opnieuw worden afgestemd. Het onderzoek is ook uitgevoerd in Noorse kustwateren; of dezelfde verbeteringen optreden in andere zeeën, zoals de Noordzee of tropische wateren, is nog niet aangetoond.

Deze uitkomst laat zien dat de kwaliteit van klimaat- en milieudata niet alleen afhangt van hoe slim een computermodel is, maar ook van hoe zorgvuldig je de invoerdata voorbereidt. Voor organisaties die satellietdata gebruiken om waterkwaliteit te bewaken, zoals waterschappen of milieudiensten, kan dit raamwerk helpen om betrouwbaardere metingen te krijgen zonder dat er nieuwe satellieten nodig zijn.

Bron: The impact of feature engineering and an optimisation framework for ocean colour machine learning