
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.





