Embora a troposfera seja frequentemente considerada a camada da atmosfera mais próxima da superfície da Terra, a camada limite planetária (PBL) - a camada mais baixa da troposfera - é na verdade a parte que influencia de forma mais significativa o clima perto da superfície. Na pesquisa decenal da ciência planetária de 2018, o PBL foi levantado como uma questão científica importante que tem o potencial de melhorar a previsão de tempestades e melhorar as projeções climáticas.



"O PBL é onde a superfície interage com a atmosfera, incluindo trocas de umidade e calor que ajudam a levar a condições climáticas severas e mudanças climáticas", diz Adam Milstein, membro da equipe técnica do Grupo de Sistemas Espaciais Aplicados do Lincoln Laboratory no Massachusetts Institute of Tecnologia. “A PBL também é onde os humanos vivem, e o movimento turbulento de aerossóis em toda a PBL é importante para a qualidade do ar que influencia a saúde humana.”

Embora vitais para o estudo do tempo e do clima, características importantes do PBL, como a sua altura, são difíceis de resolver com a tecnologia atual. Nos últimos quatro anos, a equipe do Laboratório Lincoln tem estudado o PBL, concentrando-se em duas tarefas diferentes:usar aprendizado de máquina para criar perfis da atmosfera digitalizados em 3D e resolver a estrutura vertical da atmosfera de forma mais clara, a fim de prever melhor as secas. .

Este esforço de pesquisa focado em PBL baseia-se em mais de uma década de trabalho relacionado em algoritmos de redes neurais operacionais e rápidos desenvolvidos pelo Laboratório Lincoln para missões da NASA. Essas missões incluem a missão Time-Resolved Observations of Precipitation e a intensidade da tempestade com uma missão Constellation of Smallsats (TROPICS), bem como o Aqua, um satélite que coleta dados sobre o ciclo da água da Terra e observa variáveis ​​como temperatura do oceano, precipitação e vapor de água. na atmosfera.

Esses algoritmos recuperam a temperatura e a umidade dos dados dos instrumentos do satélite e demonstraram melhorar significativamente a precisão e a cobertura global utilizável das observações em relação às abordagens anteriores. Para TROPICS, os algoritmos ajudam a recuperar dados que são usados ​​para caracterizar as estruturas em rápida evolução de uma tempestade quase em tempo real, e os algoritmos do Aqua ajudaram a aumentar os modelos de previsão, monitoramento de secas e previsão de incêndios.

Esses algoritmos operacionais para TROPICS e Aqua são baseados em redes neurais "superficiais" clássicas para maximizar a velocidade e a simplicidade, criando um perfil vertical unidimensional para cada medição espectral coletada pelo instrumento em cada local. Embora esta abordagem tenha melhorado as observações da atmosfera até à superfície em geral, incluindo o PBL, a equipa do laboratório determinou que são necessárias novas técnicas de aprendizagem "profunda" que tratam a atmosfera sobre uma região de interesse como uma imagem tridimensional para melhorar os detalhes do PBL. avançar.

“Nós levantamos a hipótese de que as técnicas de aprendizagem profunda e inteligência artificial (IA) poderiam melhorar as abordagens atuais, incorporando nas soluções uma melhor representação estatística de imagens 3D de temperatura e umidade da atmosfera”, diz Milstein. "Mas demorou um pouco para descobrir como criar o melhor conjunto de dados – uma mistura de dados reais e simulados; precisávamos nos preparar para treinar essas técnicas."

A equipe colaborou com Joseph Santanello do Goddard Space Flight Center da NASA e William Blackwell, também do Applied Space Systems Group, em um esforço recente mostrando que esses algoritmos de recuperação podem melhorar os detalhes do PBL, incluindo uma determinação mais precisa da altura do PBL do que o anterior. Estado da arte.

Embora um melhor conhecimento do PBL seja amplamente útil para aumentar a compreensão do clima e do tempo, uma aplicação fundamental é a previsão de secas. De acordo com um relatório Global Drought Snapshot divulgado no ano passado, as secas são uma questão planetária premente que a comunidade global precisa de resolver. A falta de humidade perto da superfície, especificamente ao nível do PBL, é o principal indicador de seca. Embora estudos anteriores utilizando técnicas de sensoriamento remoto tenham examinado a umidade do solo para determinar o risco de seca, o estudo da atmosfera pode ajudar a prever quando as secas ocorrerão.

Milstein e o membro da equipe do laboratório Michael Pieper estão trabalhando com cientistas do Laboratório de Propulsão a Jato (JPL) da NASA para usar técnicas de rede neural para melhorar a previsão de secas no território continental dos Estados Unidos. Embora o trabalho se baseie no trabalho operacional existente que o JPL realizou incorporando (em parte) a abordagem de rede neural "superficial" operacional do laboratório para Aqua, a equipe acredita que este trabalho e o trabalho de pesquisa de aprendizagem profunda focado em PBL podem ser combinados para melhorar ainda mais a precisão da previsão da seca.

“O Lincoln Laboratory trabalha com a NASA há mais de uma década em algoritmos de redes neurais para estimar a temperatura e a umidade na atmosfera a partir de instrumentos infravermelhos e de micro-ondas transportados pelo espaço, incluindo aqueles da espaçonave Aqua”, diz Milstein. "Ao longo desse tempo, aprendemos muito sobre este problema trabalhando com a comunidade científica, incluindo aprendendo sobre quais desafios científicos permanecem. Nossa longa experiência trabalhando neste tipo de sensoriamento remoto com cientistas da NASA, bem como nossa experiência com o uso de sistemas neurais técnicas de rede, nos deram uma perspectiva única."

De acordo com Milstein, o próximo passo deste projeto é comparar os resultados do aprendizado profundo com conjuntos de dados da Administração Oceânica e Atmosférica Nacional, da NASA e do Departamento de Energia coletados diretamente no PBL usando radiossondas, um tipo de instrumento que voa em uma estação meteorológica. balão.

"Essas medições diretas podem ser consideradas uma espécie de 'verdade básica' para quantificar a precisão das técnicas que desenvolvemos", diz Milstein.

Esta abordagem melhorada da rede neural promete demonstrar a previsão de secas que pode exceder as capacidades dos indicadores existentes, diz Milstein, e ser uma ferramenta na qual os cientistas poderão confiar nas próximas décadas.

Fornecido pelo Instituto de Tecnologia de Massachusetts

Esta história foi republicada como cortesia do MIT News (web.mit.edu/newsoffice/), um site popular que cobre notícias sobre pesquisa, inovação e ensino do MIT.