Искусственный интеллект изучает континентальную гидрологию

Исследователи из Немецкого исследовательского центра геонаук (GFZ) разработали новый метод глубокого обучения, который позволяет количественно оценивать изменения в запасах воды на континентах, используя спутниковые данные миссий GRACE и GRACE-FO. Метод комбинирует глубокое обучение, гидрологические модели и наблюдения Земли из гравиметрии и альтиметрии для анализа как крупномасштабных, так и мелкомасштабных структур, например, распределения водных масс в реках.

Точные объемы воды, хранящейся на континентах, до сих пор неизвестны, хотя эти массы критически важны: они влияют на вращение Земли и являются ключевым звеном в круговороте воды между атмосферой и океаном. Значительные количества воды содержатся не только в реках, но и в почве, снеге и подземных резервуарах, что сложно измерить напрямую.

"Для так называемого даунскейлинга (повышения разрешения) мы используем сверточную нейронную сеть (CNN) в связке с новым методом обучения", — поясняет ведущий автор Кристофер Иррганг. Нейросеть обучалась на данных гидрологической модели за 2003–2018 годы и самостоятельно корректируется для получения максимально точных данных о распределении водных запасов, эффективно сочетая преимущества численного моделирования и высокоточных наблюдений.

Метод показал высокую надежность для тропических регионов Южной Америки к северу от 20° ю.ш., где расположены дождевые леса и крупные водоемы, а также для богатой грунтовыми водами западной части южной оконечности континента. В засушливых и пустынных регионах, где изменчивость запасов воды незначительна, точность метода ниже. Для бассейна Амазонки прогноз, сделанный CNN, оказался точнее, чем у использованной численной модели.