Нейросетевая модель для определения углерода в морях

Нейросеть для измерения концентрации углерода в водах

Океанологи Санкт-Петербургского государственного университета создали нейросетевую модель, которая позволяет оценивать уровень углекислого газа в водоемах на основе характеристик состава воды. Алгоритм уже успешно протестирован в Балтийском море. Результаты этого исследования, выполнявшегося в рамках выпускной квалификационной работы магистрантки программы «Физическая океанография и биопродуктивность океанов и морей (ФОБОС)», опубликованы в научном журнале Oceanology.

Морские растения играют важную роль в поглощении углекислого газа, в процессе фотосинтеза они улавливают растворенный CO₂, а после отмирания помогают сохранять его в глубинных слоях океана. Это особенно важно для снижения парникового эффекта, поскольку океан поглощает около 25% антропогенных выбросов диоксида углерода. Однако избыток CO₂ приводит к закислению водоемов, что может негативно сказаться на кораллах и раковинах, а разложение органики приводит к снижению кислорода в придонных слоях, создавая «мертвые зоны».

Балтийское море, будучи мелководным и замкнутым, подвергается этим угрозам особенно сильно. Изобилие речного стока и ограниченный водообмен с океаном способствуют бурному развитию цианобактерий, что, с одной стороны, усиливает поглощение углерода, а с другой — ухудшает качество воды и способствует созиданию зон с дефицитом кислорода, угрожая экосистеме.

Океанологи используют показатель парциального давления (pCO₂) для оценки уровня углекислого газа в воде, показывающий насыщенность воды CO₂ по сравнению с атмосферным состоянием. Специалисты СПбГУ проанализировали факторы, влияющие на концентрацию CO₂, и создали модель с использованием искусственного интеллекта. Нейросеть базируется на данных об освещенности, температуре, солености и глубине перемешанного слоя, собранных из открытых баз данных, таких как SOCAT и спутниковые исследования.

По словам Полины Лобановой, доцента кафедры океанологии СПбГУ, «мы создали карты парциального давления для поверхностного слоя Балтийского моря, используя действительные измерения. Эти карты помогают улучшить оценки в регионах с редкими замерами, таких как прибрежные зоны и заливы в осенне-зимний период. Наша модель демонстрирует реалистичные оценки, подтвержденные спутниковыми данными».

Создание и тестирование модели осуществляли магистрантки, среди которых была Софья Кузьмина. Она пояснила, что в процессе обучения нейросеть использует как тренировочные, так и тестовые данные, что позволяет модели предсказывать значения pCO₂ на основе новых параметров. Так, при падении температуры воды уровень парциального давления может возрастать благодаря увеличению растворимости газа.

Проверив модель на тестовой выборке и сопоставив с реальными данными замеров в Балтийском море, ученые подтвердили ее корректность. Выпускница университета также отметила, что для прогнозирования pCO₂ используется многослойный перцептрон, что позволяет избежать переобучения и обеспечивает объективность оценок. Результаты исследования иллюстрируют многолетние и сезонные колебания pCO₂ в Балтийском море и согласуются с предыдущими работами, что дополнительно подтверждает верность модели.

Что читать дальше

Подборка материалов по этой теме.

Сейчас читают

Материалы, которые чаще открывают сегодня.

Загрузка…

Ещё по теме

Продолжить чтение

Материалы, которые помогут не выпадать из темы.