Slimmere AI haalt ruis uit satellietbeelden van de oceaan
Je kent het wel van een foto in het donker: er zit korrel en ruis in beeld, waardoor fijne details verdwijnen. Datzelfde probleem heeft een satelliet die sinds een paar jaar de zeespiegel meet met een ongekende scherpte. Onderzoekers werkten aan een slimmer computerprogramma om die ruis eruit te filteren, en laten nu een verbeterde versie zien.
De satellietmissie heet SWOT, kort voor Surface Water Ocean Topography. Deze satelliet meet de hoogte van het zeeoppervlak veel preciezer dan voorgaande satellieten. Daardoor kunnen wetenschappers kleine draaikolken en stromingen in de oceaan zien die eerder onzichtbaar bleven. Die kleine stromingen zijn belangrijk, want ze spelen een rol bij hoe de oceaan warmte en CO2 opneemt.
Het probleem is dat het meetinstrument van SWOT, de KaRIn-altimeter (een radar die vanuit de ruimte de afstand tot het wateroppervlak meet), last heeft van technische storing. Die storing vertroebelt juist de fijnste details in de metingen, de kleine stromingen waar oceanografen in geïnteresseerd zijn.
Een lerend computerprogramma als filter
Een onderzoeksteam ontwikkelde in 2023 al een oplossing: een neuraal netwerk, een computerprogramma dat patronen leert herkennen door te oefenen op grote hoeveelheden data. Dit specifieke type heet een CNN (convolutioneel neuraal netwerk) met een U-Net architectuur, een bepaalde opbouw die goed werkt voor het scheiden van ruis en signaal in beeldmateriaal.
Dit programma werkte goed op nagebootste testdata, en een vervolgstudie uit 2024 liet zien dat het ook bij echte metingen van SWOT een positief effect had. Maar er waren ook grenzen aan de aanpak. Bij bijzondere omstandigheden, zoals zeer hoge golven of zogenoemde interne golfpulsen onder het oceaanoppervlak, presteerde het filter minder goed. Soms ontstonden zelfs nieuwe, onbedoelde vervormingen in de data.
In dit nieuwe onderzoek laat het team eerst zien waar die zwakke plekken precies zitten. Daarna passen ze de manier van trainen van het programma aan, zodat het betrouwbaarder wordt en minder last heeft van vertekeningen of kunstmatige patronen in de gefilterde data.
Een maatlat voor toekomstig onderzoek
Naast de verbeterde methode presenteert het team ook een uitgebreidere manier om te testen hoe goed zo'n filter werkt. Deze gestandaardiseerde toetsing kan andere onderzoeksgroepen helpen om hun eigen filtertechnieken voor SWOT-data te beoordelen en te vergelijken.
Dit onderzoek betreft een technische verbetering van een meetmethode, niet een nieuwe ontdekking over klimaatverandering of de oceaan zelf. Het gaat om één onderzoeksteam dat een bestaand filterprogramma verfijnt. De studie geeft geen nieuwe cijfers over zeespiegelstijging of oceaanopwarming, maar maakt het wel mogelijk om bestaande metingen nauwkeuriger te gebruiken voor toekomstig onderzoek.
Bron: Deep Learning Denoising of Real SWOT Sea Surface Height Observations