• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  science >> Ciencia >  >> Naturaleza
    La inteligencia artificial aprende hidrología continental

    Comparación de anomalías de almacenamiento de agua terrestre media mensual (TWSA) en meses seleccionados del año de predicción 2019. Crédito:Imagen:Irrgang et al. 2020, Cartas de investigación geofísica , https://doi.org/10.1029/2020GL089258

    Los cambios en las masas de agua que se almacenan en los continentes se pueden detectar con la ayuda de satélites. Los conjuntos de datos sobre el campo gravitacional de la Tierra que se requieren para esto, provienen de las misiones de los satélites GRACE y GRACE-FO. Como estos conjuntos de datos solo incluyen las típicas anomalías masivas a gran escala, sin conclusiones sobre estructuras a pequeña escala, como la distribución real de masas de agua en ríos y ramales de ríos, es posible. Usando el continente sudamericano como ejemplo, los modeladores del sistema terrestre del Centro Alemán de Investigación de Geociencias GFZ, han desarrollado un nuevo método de aprendizaje profundo, que cuantifica cambios tanto pequeños como a gran escala en el almacenamiento de agua con la ayuda de datos satelitales. Este nuevo método combina inteligentemente el aprendizaje profundo, modelos hidrológicos y observaciones de la Tierra a partir de gravimetría y altimetría.

    Hasta ahora no se sabe con precisión, cuánta agua almacena realmente un continente. Las masas de agua continentales también cambian constantemente, afectando así la rotación de la Tierra y actuando como enlace en el ciclo del agua entre la atmósfera y el océano. Afluentes del Amazonas en Perú, por ejemplo, llevar grandes cantidades de agua en algunos años, pero solo una fracción en otros. Además de las masas de agua de los ríos y otros cuerpos de agua dulce, También se encuentran cantidades considerables de agua en el suelo, depósitos de nieve y subterráneos, que son difíciles de cuantificar directamente.

    Ahora, el equipo de investigación en torno al autor principal Christopher Irrgang desarrolló un nuevo método para sacar conclusiones sobre las cantidades de agua almacenadas en el continente sudamericano a partir de los datos satelitales de resolución aproximada. "Para la llamada reducción, estamos usando una red neuronal convolucional, en resumen CNN, en relación con un método de formación recientemente desarrollado, ", Dice Irrgang." Las CNN son especialmente adecuadas para procesar observaciones espaciales de la Tierra, porque pueden extraer de forma fiable patrones recurrentes como líneas, bordes o formas y características más complejas ".

    Para conocer la conexión entre el almacenamiento de agua continental y las respectivas observaciones satelitales, la CNN fue capacitada con datos de simulación de un modelo hidrológico numérico durante el período de 2003 a 2018. Además, Los datos de la altimetría satelital de la región amazónica se utilizaron para la validación. Lo que es extraordinario, Es que esta CNN se autocorrige y autovalida continuamente con el fin de hacer las declaraciones más precisas posibles sobre la distribución del agua de almacenamiento. "Esta CNN, por lo tanto, combina las ventajas del modelado numérico con la observación de la Tierra de alta precisión", según Irrgang.

    El estudio de los investigadores muestra que el nuevo método de aprendizaje profundo es particularmente confiable para las regiones tropicales al norte de la latitud de -20 ° en el continente sudamericano. donde las selvas tropicales, Se localizan vastas aguas superficiales y también grandes cuencas de aguas subterráneas. Igual que para los ricos en agua subterránea, parte occidental del extremo sur de América del Sur. La reducción funciona peor en regiones secas y desérticas. Esto se puede explicar por la variabilidad comparativamente baja del ya bajo almacenamiento de agua allí, que, por lo tanto, solo tienen un efecto marginal en el entrenamiento de la red neuronal. Sin embargo, para la región amazónica, los investigadores pudieron demostrar que la previsión de la CNN validada era más precisa que el modelo numérico utilizado.

    En el futuro, Se necesitarán con urgencia análisis y pronósticos regionales y a gran escala del almacenamiento de agua continental mundial. Un mayor desarrollo de modelos numéricos y la combinación con métodos innovadores de aprendizaje profundo asumirán un papel más importante en esto, con el fin de obtener una visión completa de la hidrología continental. Aparte de las investigaciones puramente geofísicas, hay muchas otras aplicaciones posibles, como estudiar el impacto del cambio climático en la hidrología continental, la identificación de factores de estrés para ecosistemas como sequías o inundaciones, y el desarrollo de estrategias de gestión del agua para regiones agrícolas y urbanas.


    © Ciencia https://es.scienceaq.com