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