Satelliittien keräämää tietoa maanpinnan heijastavuudesta voidaan parantaa matemaattisilla menetelmillä
Kuva: Jens Jäpel / Wikimedia Commons
Maanpinnan heijastuvuus eli albedo on merkittävä indikaattori ilmastonmuutoksesta. Lisensiaatintutkimuksessa ratkottiin maanpinnan heijastuvuudesta satelliittien avulla kerätyn tiedon epävarmuuksia. Työ osoitti, että matemaattisia menetelmiä käyttäen voidaan parantaa havaintojen kattavuutta ja luotettavuutta.
Muuttuvan ilmaston tutkimisessa käytetään usein pitkiä aikasarjoja, joita kerätään esimerkiksi satelliitti-instrumenteilla. Satelliittimenetelmin kerätyt aikasarjat maanpinnan heijastavuudesta ovat kuitenkin herkkiä epävarmuuksille.
Ilmatieteen laitoksen tutkija Emmihenna Jääskeläinen etsi lisensiaatintyössään ratkaisuja kolmeen eri epävarmuutta aiheuttavaan tekijään. Nämä kolme kohdetta olivat:
- pitkä aikasarja aerosolien optisesta paksuudesta, jota käytetään poistamaan ilmakehän vaikutusta satelliittihavainnoista maanpinnan ominaisuuksia mitattaessa
- menetelmä, jolla täytetään puuttuvia datoja etenkin arktisella merijääalueella ja jota käytetään parantamaan aineiston ajallista ja paikallista kattavuutta
- menetelmä, jolla voidaan mallintaa sulavan lumen vuorokausivaihtelua.
Koneoppiminen auttaa täydentämään puuttuvia tietoja
Tutkimuksessa hyödynnettiin matemaattisia menetelmiä. Sulavan lumen albedon funktion luomisessa ja aerosolien optisen paksuuden aikasarjan rakentamisessa käytettiin lineaarista regressiota. Puuttuvien datojen täyttämisprosessi puolestaan nojautuu gradient boosting -nimiseen koneoppimismenetelmään. Käsiteltävän epävarmuustekijän ominaisuudet, käytettävissä oleva laskentakapasiteetti sekä tarvittavan aineiston määrä vaikuttivat valittavaan menetelmään.
Työ osoitti, että olemassa olevien havaintojen kattavuutta ja luotettavuutta voitiin parantaa käyttämällä valittuja menetelmiä aineiston ominaisuudet huomioiden.
Lisätietoja: Ilmatieteen laitos
