Även om troposfären ofta anses vara det närmaste skiktet av atmosfären till jordens yta, är planetariska gränsskiktet (PBL) - det lägsta skiktet av troposfären - faktiskt den del som mest signifikant påverkar vädret nära ytan. I 2018 års planetvetenskapliga decadalundersökning togs PBL upp som en viktig vetenskaplig fråga som har potential att förbättra stormprognoser och förbättra klimatprognoser.

"PBL är där ytan interagerar med atmosfären, inklusive utbyten av fukt och värme som hjälper till att leda till hårt väder och ett förändrat klimat", säger Adam Milstein, en teknisk personal i Lincoln Laboratorys Applied Space Systems Group vid Massachusetts Institute of Teknologi. "PBL är också där människor bor, och den turbulenta rörelsen av aerosoler i hela PBL är viktig för luftkvaliteten som påverkar människors hälsa."

Även om det är avgörande för att studera väder och klimat, är viktiga egenskaper hos PBL, såsom dess höjd, svåra att lösa med nuvarande teknik. Under de senaste fyra åren har Lincoln Laboratorys personal studerat PBL, med fokus på två olika uppgifter:att använda maskininlärning för att göra 3D-skannade profiler av atmosfären och lösa den vertikala strukturen av atmosfären tydligare för att bättre förutsäga torka. .

Denna PBL-fokuserade forskningssatsning bygger på mer än ett decennium av relaterat arbete med snabba, operativa neurala nätverksalgoritmer utvecklade av Lincoln Laboratory för NASA-uppdrag. Dessa uppdrag inkluderar tidsupplösta observationer av nederbördsstruktur och stormens intensitet med ett uppdrag Constellation of Smallsats (TROPICS) samt Aqua, en satellit som samlar in data om jordens vattencykel och observerar variabler som havstemperatur, nederbörd och vattenånga i atmosfären.

Dessa algoritmer hämtar temperatur och luftfuktighet från satellitinstrumentdata och har visat sig avsevärt förbättra noggrannheten och användbar global täckning av observationerna jämfört med tidigare tillvägagångssätt. För TROPICS hjälper algoritmerna att hämta data som används för att karakterisera en storms snabbt utvecklande strukturer i nästan realtid, och Aquas algoritmer har hjälpt till att öka prognosmodeller, torka övervakning och brandförutsägelse.

Dessa operationella algoritmer för TROPICS och Aqua är baserade på klassiska "grunda" neurala nätverk för att maximera hastighet och enkelhet, vilket skapar en endimensionell vertikal profil för varje spektral mätning som samlas in av instrumentet över varje plats. Även om detta tillvägagångssätt har förbättrat observationer av atmosfären ner till ytan totalt, inklusive PBL, fastställde laboratoriepersonal att nyare "djupa" inlärningstekniker som behandlar atmosfären över ett område av intresse som en tredimensionell bild behövs för att förbättra PBL-detaljer vidare.

"Vi antog att tekniker för djupinlärning och artificiell intelligens (AI) skulle kunna förbättras på nuvarande tillvägagångssätt genom att införliva en bättre statistisk representation av 3D-temperatur och luftfuktighetsbilder av atmosfären i lösningarna", säger Milstein. "Men det tog ett tag att ta reda på hur man skapar den bästa datamängden – en blandning av verklig och simulerad data; vi behövde förbereda oss för att träna dessa tekniker."

Teamet samarbetade med Joseph Santanello från NASA Goddard Space Flight Center och William Blackwell, också från Applied Space Systems Group, i en nyligen genomförd ansträngning som visar att dessa hämtningsalgoritmer kan förbättra PBL-detaljer, inklusive mer exakt bestämning av PBL-höjden än den tidigare toppmoderna.

Medan förbättrad kunskap om PBL är allmänt användbar för att öka förståelsen för klimat och väder, är en viktig tillämpning förutsägelse av torka. Enligt en Global Drought Snapshot-rapport som släpptes förra året är torka en akut planetär fråga som det globala samhället måste ta itu med. Brist på luftfuktighet nära ytan, särskilt på nivån av PBL, är den ledande indikatorn på torka. Medan tidigare studier som använder fjärranalystekniker har undersökt jordens luftfuktighet för att fastställa risken för torka, kan studier av atmosfären hjälpa till att förutsäga när torka kommer att inträffa.

Milstein och laboratoriepersonalen Michael Pieper arbetar med forskare vid NASA:s Jet Propulsion Laboratory (JPL) för att använda tekniker för neurala nätverk för att förbättra förutsägelser om torka över det kontinentala USA. Även om arbetet bygger på befintligt operativt arbete som JPL har gjort genom att (delvis) införliva laboratoriets operativa "grunda" neurala nätverksstrategi för Aqua, tror teamet att detta arbete och det PBL-fokuserade forskningsarbetet för djupinlärning kan kombineras för att ytterligare förbättra exaktheten i förutsägelser om torka.

"Lincoln Laboratory har arbetat med NASA i mer än ett decennium på neurala nätverksalgoritmer för att uppskatta temperatur och luftfuktighet i atmosfären från rymdburna infraröda och mikrovågsinstrument, inklusive de på Aqua-rymdfarkosten", säger Milstein. "Under den tiden har vi lärt oss mycket om det här problemet genom att arbeta med forskarsamhället, inklusive att lära oss om vilka vetenskapliga utmaningar som finns kvar. Vår långa erfarenhet av att arbeta med den här typen av fjärranalys med NASA-forskare, såväl som vår erfarenhet av att använda neural nätverkstekniker, gav oss ett unikt perspektiv."

Enligt Milstein är nästa steg för detta projekt att jämföra resultaten av djupinlärning med datauppsättningar från National Oceanic and Atmospheric Administration, NASA och Department of Energy som samlats in direkt i PBL med hjälp av radiosonder, en typ av instrument som flygs på ett väder ballong.

"Dessa direkta mätningar kan betraktas som ett slags "grundsanning" för att kvantifiera noggrannheten hos de tekniker vi har utvecklat, säger Milstein.

Den här förbättrade neurala nätverksstrategin lovar att visa förutsägelser om torka som kan överträffa kapaciteten hos befintliga indikatorer, säger Milstein, och att vara ett verktyg som forskare kan lita på i årtionden framöver.

Tillhandahålls av Massachusetts Institute of Technology

Denna berättelse är återpublicerad med tillstånd av MIT News (web.mit.edu/newsoffice/), en populär webbplats som täcker nyheter om MIT-forskning, innovation och undervisning.