人工知能は世界の海の間のつながりを明らかにします
- 新しい機械学習技術は、意味のある海のリンクとパターンを識別します。
- 世界の海の約93.7％を構成する、合計5つの動的で一貫性のある地域と、それらの最も支配的な物理的パラメータが明らかになります。
高度な観測およびモデリング手法が登場する前は、海の物理的/動的状態は、Stommel-Aronsフロー、深淵レシピ、またはSverdrupバランスなどの大規模な準層流記述を使用して決定されていました。
モデリング機能と計測の最近の進歩は、海洋物理学が複雑な空間的および時間的変動によって特徴付けられることを示しています。海のすべての地域には、地域の気象学、西部と東部の境界への近さなど、いくつかの要因に依存する独自の状態があります。
特定の場所でどの物理学が最も支配的であるかを検出するには、塩分、速度、温度、深さによって物事がどのように変化するかなど、いくつかのパラメータについて圧倒的な数のデータポイントを調べる必要があります。
このような膨大な量のデータを人間が解読することは不可能であるため、MITの研究者は、意味のある海洋のリンクやパターンを特定するための新しい機械学習手法を開発しました。
アルゴリズムは何を解決しましたか？
研究チームは、「海洋の循環と気候の推定」（ECCO）を使用して、世界の海洋で何が起こっているかについてのデータを取得しました。 ECCOは、過去20年間に記録された数十億のパラメータに基づいて、海洋変動、沿岸物理学、生物サイクル、および測地学を提供します。
参照：Wiley Online Library | doi：10.1029 / 2018EA000519 | MIT
次に、K-meansクラスタリング（ベクトル量子化の方法）を適用して、データ内の堅牢なパターンを検出し、海の主要な物理学を決定しました。その結果、合計5つのクラスターが明らかになりました。これは、世界の海の93.7％近くを占める5つの動的で一貫性のある地域を表しています。
たとえば、最大のクラスターは世界の海の約43％を占めています。その最も支配的なパラメーターは、海面の風応力であり、海底のトルクとバランスが取れています。このパラメータは主に、北半球の亜寒帯および亜寒帯の環流、北極海の大部分、および南極海の薄いリボンで記録されます。
同様のパラメータでクラスター化された海|クレジット：Maike Sonnewald
同様に、他の4つのクラスターは、支配的な物理的パラメーターを示しており、それが地球の海洋のどこにあるかを正確に示しています。残りの6.3％の海域は、特定するのが非常に困難でした。
次の研究では、研究者は、残りの6.3％を追跡するために、より高い解像度のデータで同じ機械学習手法を使用します。彼らは、環流や転覆など、気候に敏感な要因に焦点を当てます。
読む：地球の海洋は1991年から2016年までに338ゼッタジュールの熱エネルギーを吸収しました
今のところ、このツールは、海洋学者や科学者が分析を容易にし、地域を同じように動作する地域と比較し、適切な場所に研究を集中させるのに役立ちます。
産業技術