Пока точно не известно, сколько воды на самом деле хранит континент. Континентальные водные массы также постоянно меняются, тем самым влияя на вращение Земли и выступая в качестве связующего звена в круговороте воды между атмосферой и океаном. Например, притоки Амазонки в Перу в одни годы несут огромное количество воды, а в другие – лишь небольшую ее часть.
Помимо водных масс рек и других пресных водоемов, значительные объемы воды также находятся в почве, снеге и подземных водоемах, которые трудно измерить напрямую.
Теперь исследовательская группа, возглавляемая главным автором Кристофером Ирргангом, разработала новый метод, чтобы сделать выводы о хранимых количествах воды на южноамериканском континенте на основе спутниковых данных с грубым разрешением. «Для так называемого уменьшения масштаба мы используем сверточную нейронную сеть, сокращенно CNN, в связи с недавно разработанным методом обучения», – говорит Иррганг. "CNN особенно хорошо подходят для обработки пространственных наблюдений Земли, потому что они могут надежно извлекать повторяющиеся шаблоны, такие как линии, края или более сложные формы и характеристики."
Чтобы узнать связь между континентальным водным хранилищем и соответствующими спутниковыми наблюдениями, CNN была обучена с использованием данных моделирования числовой гидрологической модели за период с 2003 по 2018 год. Кроме того, для проверки использовались данные спутниковой альтиметрии в районе Амазонки.
Что необычно, так это то, что эта CNN постоянно самокорректируется и проверяет, чтобы сделать наиболее точные заявления о распределении водохранилища. «Таким образом, эта CNN сочетает в себе преимущества численного моделирования с высокоточным наблюдением Земли», – сказал Иррганг.
Исследование исследователей показывает, что новый метод глубокого обучения особенно надежен для тропических регионов к северу от -20 ° широты на южноамериканском континенте, где расположены тропические леса, обширные поверхностные воды, а также большие бассейны подземных вод.
То же, что и для богатой грунтовыми водами западной части южной оконечности Южной Америки. Уменьшение масштаба работает хуже в засушливых и пустынных регионах. Это можно объяснить сравнительно низкой изменчивостью и без того низкого запаса воды там, что, следовательно, имеет лишь маргинальное влияние на обучение нейронной сети.
Однако для региона Амазонки исследователи смогли показать, что прогноз подтвержденной CNN был более точным, чем использованная численная модель.
В будущем срочно потребуется крупномасштабный, а также региональный анализ и прогнозы глобального континентального водохранилища. Дальнейшая разработка численных моделей и сочетание с инновационными методами глубокого обучения будут играть более важную роль в этом, чтобы получить всестороннее представление о континентальной гидрологии.
Помимо чисто геофизических исследований, существует множество других возможных приложений, таких как изучение влияния изменения климата на гидрологию континентов, определение факторов стресса для экосистем, таких как засухи или наводнения, и разработка стратегий управления водными ресурсами для сельскохозяйственных и городских регионов.