Slimmere satellietdata: AI helpt weer en klimaat beter te begrijpen
Elke dag zweven weersatellieten over de aarde en meten ze de lucht om ons heen. Ze meten temperatuur, vocht en ozon, hoog boven onze hoofden. Die metingen zijn de basis van je weerbericht en van klimaatmodellen. Maar de ruwe data die satellieten opsturen, moet eerst vertaald worden naar bruikbare informatie. En dat vertalen kan slimmer, blijkt uit nieuw onderzoek.
Een onderzoeksteam onderzocht een nieuwe methode om deze satellietgegevens te verwerken. Ze gebruikten data van IASI, een instrument aan boord van weersatellieten dat de samenstelling van de atmosfeer meet via infraroodstraling. Denk aan een soort thermometer die vanuit de ruimte naar beneden kijkt en niet alleen temperatuur meet, maar ook waterdamp en ozon in verschillende luchtlagen.
Het probleem is dat je uit die ruwe stralingsmetingen niet direct kunt aflezen hoe warm de lucht op tien kilometer hoogte is. Daarvoor is een ingewikkelde vertaalslag nodig, een "retrieval" genoemd. Traditioneel gebeurt dat met natuurkundige modellen die berekenen hoe straling door de atmosfeer reist. Dat werkt goed, maar kost veel rekenkracht.
Kunstmatige intelligentie als tussenweg
De laatste jaren proberen wetenschappers dit proces te versnellen met kunstmatige intelligentie (AI). Het probleem: AI-modellen die puur op data trainen, zonder kennis van natuurkundige wetten, presteren vaak slecht in situaties die ze nog niet eerder zagen. Voeg je die natuurkundige wetten wel toe, dan wordt het rekenen weer heel zwaar.
Het onderzoeksteam ontwikkelde daarom een nieuwe aanpak die ze "latent twins" noemen, wat je zou kunnen vertalen als "verborgen tweelingen". Deze methode probeert het beste van twee werelden te combineren: ze is niet zo zwaar als volledig natuurkundige modellen, maar wel betrouwbaarder dan gewone AI. Bovendien geeft de methode aan hoe goed de kwaliteit van de gebruikte data is.
De onderzoekers testten hun methode eerst op nagebootste (synthetische) satellietdata, gemaakt met een bestaande database en een rekenmodel dat straling door de atmosfeer simuleert. Daarna pasten ze de methode toe op echte IASI-satellietmetingen, onder heldere hemelomstandigheden zonder wolken. De resultaten vergeleken ze met bestaande officiële metingen om te zien hoe nauwkeurig hun reconstructie was.
Het team geeft aan dat de methode werkt voor het reconstrueren van temperatuur, vocht, ozon, de warmte-uitstraling van het aardoppervlak en de oppervlaktetemperatuur zelf. Ze bespreken ook manieren om de foutmarge van deze reconstructies in kaart te brengen.
Wat betekent dit (nog) niet: Dit is een technische studie die een nieuwe rekenmethode test, geen nieuwe klimaatvoorspelling of alarmerende ontdekking. De methode is nog niet in dagelijks gebruik bij weerdiensten. De precieze foutmarges van de nieuwe techniek worden in het onderzoek besproken, maar niet als exact getal in de samenvatting genoemd. Het is ook nog onduidelijk hoe de methode presteert bij bewolkte omstandigheden, want dit onderzoek keek alleen naar heldere lucht.
Voor gewone mensen lijkt dit misschien ver van je bed. Maar betere en snellere verwerking van satellietdata kan uiteindelijk leiden tot nauwkeurigere weersvoorspellingen en een beter begrip van hoe het klimaat verandert. Elke verbetering in het meten van temperatuur, vocht en ozon in de atmosfeer draagt bij aan modellen die weer en klimaat proberen te voorspellen.
Bron: Application of the latent twins approach for clear sky retrieval from IASI observations