科学家们正在更清晰地了解海洋动力学,这要归功于一种用于转换海面高度卫星数据的创新方法,该方法提供了有关洋流、热量分布以及气候变化影响的宝贵见解。
德克萨斯农工大学海洋学系助理教授斯宾塞·琼斯(Spencer Jones)博士是一个研究团队的成员,该团队正在使用机器学习根据地表水和海洋地形(SWOT)卫星收集的数据预测垂直运动。这项研究是在美国国家航空航天局(NASA)的支持下实现的,NASA为琼斯的项目提供了资金,并与法国航天局国家研究中心合作创建了这颗卫星。
SWOT 卫星于 2022 年 12 月首次发射,以前所未有的精度捕获海面高度。琼斯与纽约大学库朗数学科学研究所的K. Shafer Smith博士和研究生Qiyu Xiao以及哥伦比亚大学Lamont-Doherty地球观测站的Dhruv Balwada博士合作,训练了机器学习模型,以使用海面高度的图像来辨别海洋表面附近的垂直运动。
该模型的成功源于它能够忽略海面上的波浪——琼斯说,在研究海面高度的变化时,这一因素通常会带来挑战。
“水上下移动,称为垂直运输,通常发生在锋面,”琼斯说。“锋面是温度或盐度急剧变化的地方。穿过海面的内波使得识别由锋面或称为漩涡的漩涡水团引起的高度变化具有挑战性。需要机器学习来确定垂直运输发生的区域。
SWOT 科学团队目前正在验证最近的卫星测量结果,他们计划在未来几个月内向公众提供这些测量结果。他们的研究旨在了解水从地表到大约150米深的运动,大约是帝国大厦高度的一半。琼斯认为,深入了解这一过程将大大有助于更广泛地了解地球气候。
“海洋表层水与空气相互作用,从尘埃等来源吸收氧气、二氧化碳和营养物质,”琼斯解释说。“水从地表到更深层的上下运动会影响溶解在海洋中的氧气量,从而影响海洋生物。鱼类更喜欢氧气充足的地区,我们的研究是弄清楚这些物质如何从地表进入海洋的第一步。
该团队希望其研究能够帮助未来的科学家估计海洋吸收二氧化碳的程度,以及溶解的二氧化碳是否会留在海洋中。琼斯指出,这一点至关重要,因为一些拟议的缓解全球变暖的策略包括将二氧化碳溶解在海洋中以将其从大气中清除。这种方法的一个重要问题是将来可能将溶解的二氧化碳释放回大气中。
“我们对这种创新模型充满热情,并打算继续开发新的机器学习算法,”琼斯说。“我们的目标是将这些算法应用于实际的卫星数据,增强我们估计海洋表面运动的能力。
新闻旨在传播有益信息,英文版原文来自https://today.tamu.edu/2023/12/29/sea-change-texas-am-oceanographer-contributes-to-groundbreaking-ocean-dynamics-research/