인공 지능이 세계 바다 사이의 연결을 보여줍니다

• 새로운 머신 러닝 기술은 의미 있는 바다의 링크와 패턴을 식별합니다.
• 세계 해양의 거의 93.7%를 차지하는 총 5개의 동적 일관된 지역과 가장 지배적인 물리적 매개변수를 보여줍니다.

고급 관측 및 모델링 방법이 등장하기 전에는 Stommel-Arons 흐름, 심해 조리법 또는 Sverdrup 균형과 같은 대규모 준층 설명을 사용하여 바다의 물리적/역학적 상태를 결정했습니다.

모델링 능력과 장비의 최근 발전은 해양 물리학이 복잡한 공간적, 시간적 변동성을 특징으로 할 수 있음을 보여주었습니다. 바다의 모든 지역에는 지역 기상, 서부 및 동부 경계와의 근접성 등과 같은 여러 요인에 따라 달라지는 고유한 상태가 있습니다.

주어진 위치에서 어떤 물리학이 가장 지배적인지 알아내려면 염도, 속도, 온도, 깊이에 따라 사물이 어떻게 변하는지를 비롯한 여러 매개변수에 대해 압도적인 수의 데이터 포인트를 조사해야 합니다.

인간이 그렇게 방대한 양의 데이터를 해독하는 것은 불가능하기 때문에 MIT 연구원들은 의미가 있는 바다의 링크와 패턴을 식별하는 새로운 기계 학습 방법을 개발했습니다.

알고리즘은 무엇을 해결했습니까?

연구팀은 지구 해양에서 일어나는 일에 대한 데이터를 얻기 위해 '해양의 순환 및 기후 추정'(ECCO)을 사용했습니다. ECCO는 지난 20년 동안 기록된 수십억 개의 매개변수를 기반으로 해양 변동성, 연안 물리학, 생물학적 주기 및 측지학을 제공합니다.

참조:Wiley 온라인 라이브러리 | 도이:10.1029/2018EA000519 | MIT

그런 다음 그들은 K-means 클러스터링(벡터 양자화 방법)을 적용하여 데이터 내의 강력한 패턴을 감지하고 바다에서 지배적인 물리학을 결정했습니다. 그 결과 전 세계 바다의 거의 93.7%를 구성하는 5개의 역동적이고 일관된 지역을 나타내는 총 5개의 클러스터가 나타났습니다.

예를 들어 가장 큰 클러스터는 전 세계 바다의 약 43%를 차지합니다. 가장 지배적인 매개변수는 바다 표면의 바람 스트레스이며, 이는 바닥의 토크와 균형을 이룹니다. 이 매개변수는 대부분 북반구의 아한대 및 아열대 환류, 북극해의 많은 부분, 남극해의 가는 리본에서 기록됩니다.

유사한 매개변수로 묶인 바다 | 크레딧:Maike Sonnewald

유사하게, 다른 4개의 클러스터는 지배적인 물리적 매개변수와 그것이 전 세계 해양에서 정확히 어디에서 발견될 수 있는지를 보여줍니다. 나머지 6.3%의 해양 지역은 파악하기가 상당히 어려웠습니다.

다음 연구에서 연구원들은 고해상도 데이터와 동일한 기계 학습 기술을 사용하여 나머지 6.3%를 추적할 것입니다. 그들은 환류 순환 및 전복과 같은 기후에 민감한 요인에 초점을 맞출 것입니다.

읽기:지구의 해양은 1991년부터 2016년까지 338제타줄의 열 에너지를 흡수했습니다.

현재 이 도구는 해양학자와 과학자가 쉽게 분석하고 지역을 유사하게 행동하는 지역과 비교하며 적절한 위치에 연구를 집중하는 데 도움이 될 수 있습니다.