Как машинное обучение может помочь в усвоении данных для моделей земной системы

Машинное обучение позволяет напрямую использовать спутниковые микроволновые наблюдения над морским льдом в процессе усвоения данных, что устраняет задержки и повышает точность анализа состояния атмосферы и поверхности.

Этот подход важен для улучшения прогнозов погоды, поскольку точные начальные условия — ключ к их достоверности. Традиционно использование спутниковых данных над сложными поверхностями, такими как морской лед, снег или суша, было ограничено из-за трудностей интерпретации. Методы машинного обучения позволяют перейти к усвоению данных для всех условий неба и всех типов поверхности, что даёт больше информации о состоянии атмосферы, новые данные о концентрации морского льда и помогает совершенствовать физические модели.

"Машинное обучение даёт возможность прийти к хорошей интерпретации, например, спутниковых наблюдений над морским льдом", — отмечает учёный Европейского центра среднесрочных прогнозов погоды (ECMWF) Алан Гиир.

Ранее процесс был медленным: данные о радиации сначала преобразовывались внешними поставщиками в концентрацию льда, затем усваивались в анализ морского льда, и только с задержкой в 48–72 часа влияли на атмосферный анализ. Новый метод ECMWF использует машинное обучение для прямой интерпретации спутниковой радиации. Алгоритм обучался на годичном наборе микроволновых наблюдений, сопоставленных с атмосферными профилями из краткосрочных прогнозов центра, одновременно обучаясь определять состояние льда и эмпирическую модель радиационного переноса на поверхности.

Внедрение метода уже показывает результаты. Например, анализ на 7 ноября 2020 года по новой методике корректно показал замерзание акватории на сибирской стороне Северного Ледовитого океана, в то время как старая система OCEAN5 из-за задержек данных указывала на открытую воду. Новая система также смогла отследить сигнал от гигантского айсберга A-68A у острова Южная Георгия.

Использование микроволновых наблюдений над морским льдом уже улучшило температурные прогнозы в Южном океане на срок до четырёх дней. Ожидается, что эта система усвоения данных о морском льде станет оперативной с циклом 49r1 Интегрированной системы прогнозов (IFS) ECMWF в 2024 году.