Datenwissenschaftler verwenden neue Techniken, um Seen und Stauseen auf der ganzen Welt zu identifizieren

earthpressnews
Soul Hackers 2 Erscheinungsdatum Ankuendigungstrailer enthuellt

Ein interdisziplinäres Forscherteam unter der Leitung von Datenwissenschaftlern der University of Minnesota Twin Cities hat einen einzigartigen umfassenden globalen Datensatz der Seen und Stauseen auf der Erde veröffentlicht, der zeigt, wie sie sich in den letzten über 30 Jahren verändert haben.

Die Daten werden Umweltforschern neue Informationen über die Land- und Süßwassernutzung sowie die Auswirkungen des Menschen und des Klimawandels auf Seen und Stauseen liefern. Die Forschung ist auch ein wichtiger Fortschritt bei maschinellen Lerntechniken.

Ein Artikel, der den Reservoir and Lake Surface Area Timeseries (ReaLSAT)-Datensatz hervorhebt, wurde kürzlich in veröffentlicht Wissenschaftliche Daten.

Zu den Highlights der Studie gehören:

  • Der ReaLSAT-Datensatz enthält die Standort- und Oberflächenvariationen von 681.137 Seen und Stauseen, die größer als 0,1 Quadratkilometer sind (südlich von 50 Grad nördlicher Breite). Die bisher umfassendste Datenbank mit dem Namen HydroLAKES hatte nur 245.420 Seen und Stauseen für den in dieser Studie berücksichtigten Teil der Welt und die Mindestgröße identifiziert.
  • ReaLSAT liefert Daten zur Oberfläche jedes Gewässers für jeden Monat von 1984 bis 2015. Dies ermöglicht es, Veränderungen der See- und Reservoirfläche im Laufe der Zeit zu quantifizieren, was der Schlüssel zum Verständnis ist, wie sich änderndes Klima und Landnutzung die Gewässer verändern frisches Wasser. Die HydroLAKES-Daten enthalten nur eine statische Form für jeden Wasserkörper.
  • Der ReaLSAT-Datensatz ist das Ergebnis von acht Jahren Forschung. Es stellt einen wichtigen Meilenstein in der Anwendung des neuen wissensgeführten maschinellen Lernens für den Einsatz in den Umweltwissenschaften dar. Im Gegensatz zu anderen bestehenden Bemühungen kann dieser Datensatz jetzt nahezu automatisch durch maschinelles Lernen erweitert und schnell für eine Vielzahl von Erdbeobachtungsdaten repliziert werden, die mit immer besserer Auflösung verfügbar werden.

    • „Auf der ganzen Welt sehen wir, dass sich Seen und Stauseen aufgrund saisonaler Niederschlagsmuster, langfristiger Klimaänderungen und menschlicher Managemententscheidungen schnell verändern“, sagte Vipin Kumar, der leitende Autor der Studie und Regents Professor und William Norris Stiftungslehrstuhl in der University of Minnesota Twin Cities Department of Computer Science and Engineering. „Dieser neue Datensatz verbessert die Fähigkeit von Wissenschaftlern erheblich, die Auswirkungen des Klimawandels und menschlicher Handlungen auf unser Süßwasser auf der ganzen Welt zu verstehen.“

    Der Aufbau eines globalen Datensatzes von Seen und Stauseen und ihrer Veränderung erforderte eine neue Art von maschinellen Lernalgorithmen, die das Wissen über die physikalische Dynamik von Gewässern mit Satellitenbildern verschmelzen.

    „ReaLSAT ist ein leuchtendes Beispiel dafür, wie Umweltherausforderungen eine neue Klasse von wissensgeführten Algorithmen für maschinelles Lernen motiviert haben, die jetzt in zahlreichen wissenschaftlichen Anwendungen eingesetzt werden“, sagte Kumar.

    Umweltwissenschaftler sind sich einig, dass ReaLSAT ihre Arbeit verbessern wird.

    „Die Verfügbarkeit und Qualität von Süßwasser an der Oberfläche ist von zentraler Bedeutung für die nachhaltige Nutzung unseres Planeten“, sagte Paul C. Hanson, Distinguished Research Professor am Madison Center for Limnology der University of Wisconsin und Mitautor der Studie. „Da ReaLSAT Veränderungen in Seen und deren Grenzen anzeigt und nicht nur Wasserpixel in der Landschaft, können wir jetzt Ökosystemprozesse zur Wasserqualität mit Hunderttausenden von Seen auf der ganzen Welt verbinden.“

    Mehr Informationen:
    Ankush Khandelwal et al, ReaLSAT, ein globaler Datensatz von Schwankungen der Stausee- und Seeoberfläche, Wissenschaftliche Daten (2022). DOI: 10.1038/s41597-022-01449-5

    Bereitgestellt von der University of Minnesota

    ph-tech