Forscher entwickelt Programm für 3D-Wolkentomographie

Das Interesse des Forschers David Stanley am Klimawandel hat ihn dazu veranlasst, ein Programm zu entwickeln, um die Art und Weise zu verbessern, wie wir Daten sammeln, um das Innere einer Wolke zu untersuchen. Das Programm simulierte mehrere Satelliten und sammelte gleichzeitig Bilder einer Wolke aus vielen Winkeln, was uns helfen könnte, besser zu verstehen, was in der Wolke passiert.

„Normalerweise können wir nur die äußeren Merkmale einer Wolke sehen“, sagte Stanley. „Der Name der Computerwolkentomographie geht auf die Computertomographie zurück, die einem CT-Scan ähnelt. Anstelle von Röntgenstrahlen nehmen Satelliten Bilder der Wolke aus möglichst vielen Winkeln und in möglichst kurzer Zeit auf.“

Die Arbeit erscheint im Zeitschrift für Raumfahrzeuge und Raketen.

Stanley sagte, eine der Unbekannten in der Klimamodellierung sei, wie stark der konvektive Transport das Nachwachsen neuer Wolken beeinflusst. Bei der Konvektion geht es um die Bewegung von Wärme und Feuchtigkeit in der Atmosphäre, insbesondere um Auf- und Abwinde unter instabilen Bedingungen.

„Indem Sie mehrere Zeitdurchgänge im Zentrum derselben Wolke erzeugen, können Sie sehen, wie sich die Konvektion im Laufe der Zeit ändert und wie sich dies auf das Wachstum anderer Wolken in der Zukunft auswirkt. Und Wolkenwachstum kann den Treibhauseffekt verstärken.“

Stanley sagte, dass er sich nach Abschluss seines Masterstudiums in Luft- und Raumfahrttechnik an der University of Illinois Urbana-Champaign erneut beworben habe, um die Promotion fortzusetzen. in Illinois.

„Ich habe über mein allgemeines Interesse an Ingenieur- und Raumfahrttechnik gesprochen, aber auch darüber, wie wichtig es für uns ist, den Klimawandel besser zu verstehen und an Lösungen zu arbeiten“, sagte er.

„Robyn Woollands sah dieses Interesse an mir und bat mich, ihrer Forschungsgruppe beizutreten. Sie brachte mich mit Federico Rossi und Amir Rahmani in der Multi-Agent Autonomy Group am Jet Propulsion Laboratory der NASA zusammen und sie stellten mich den JPL-Wissenschaftlern Changrak Choi und Anthony Davis vor die sich mit Wolkentomographie, atmosphärischen Wolken und Aerosolen auskennen. Es deckte sich mit einigen meiner Interessen und war etwas, was Robyn als einen interessanten Missionsvorschlag betrachtete – den Einsatz von Multiagentensystemen zur Unterstützung geowissenschaftlicher Missionen.

Für die Simulation verwendete Stanley einen gemischt-ganzzahligen linearen Programmlöser, der für viele verschiedene Arten von Anwendungen verwendet wird. Er schrieb den Code, um einen Zeitplaner zu entwickeln, der das Timing und die Kameraausrichtungswinkel für den Satellitenschwarm optimiert, um so viele Bilder der Wolke wie möglich zu erhalten.

„Das Interessante daran ist, wie wir den gemischt-ganzzahligen linearen Programmierer verwendet haben, um automatisch das effizienteste Ausrichtungsmuster für die Bildung der Satelliten zu bestimmen“, erklärte er. „Alle Satelliten mussten zur gleichen Zeit auf dasselbe Ziel gerichtet sein. Unter jedem Satelliten könnten sich jedoch Dutzende verschiedener Ziele befinden, und es könnte sein, dass einige Ziele verfehlt werden, wenn sie nicht zum richtigen Zeitpunkt ausgerichtet werden.“

Das Ziel bestand darin, die Häufigkeit zu maximieren, mit der die Satelliten im gesamten Orbit unterschiedliche Ziele sahen.

„Wir haben zwei verschiedene Simulationen durchgeführt. Wir haben eine Simulation von Wolken, die auf der Erdoberfläche mit einer bestimmten Lebensdauer erzeugt werden. Im Computer sind sie nur eine Koordinate auf einer Kugel. Die zweite Simulation breitet den Satellitenschwarm aus. Das kann sein „Man kann entweder einfach vorgehen oder komplexere, genauere Modelle verwenden“, fuhr er fort.

„Wenn wir die Daten aus diesen beiden Simulationen kombinieren, berechnet das Programm Informationen darüber, wo sich die Satelliten an verschiedenen Punkten in der Umlaufbahn befinden und wo sich die Wolken an dem Punkt in der Umlaufbahn befinden, und entscheidet dann, welches das optimale Sehmuster zwischen diesen Satelliten ist.“ und die Wolken auf dem Boden.

Er sagte, dass es während der Studie einige Male gegeben habe, in denen er unterschiedliche Vorstellungen darüber gehabt habe, wie die Daten am besten simuliert und an den Löser weitergegeben werden könnten.

„Vielleicht benötigen Sie nur ein Array für jeden Zeitschritt und jeden Satelliten, oder Sie könnten ein Array für verschiedene Abschnitte der Erde haben. Ich habe zunächst versucht, verschiedene Abschnitte der Erde als Zielkoordinaten zu verwenden, indem ich alles mit roher Gewalt unterteilt habe. Aber es gibt.“ Es ist eine große Fläche auf der Erde, und am Ende stehen Millionen und Abermillionen von Indizes zur Verfügung, die auf einem Desktop-Computer nicht lösbar sind.

Am Ende sagte Stanley, er habe sich von Woollands früherer Arbeit inspirieren lassen. Sie hatte für eine Konstellation von Satelliten, die den Mars umkreisten, eine Methode entwickelt, um so viele Beobachtungen von Staubteufeln auf dem Mars wie möglich zu sammeln. Dabei wurde nicht die gesamte Erde, sondern Abschnitte unterhalb der Satelliten unterteilt, wodurch nur wenige Indexe benötigt wurden eine Zeit.

„Darüber hinaus wurde mir klar, dass ich eigentlich nur die Wolken selbst als Index verwenden konnte“, fügte Stanley hinzu. „Es hat gut funktioniert und ist von Millionen von Indizes auf etwa ein paar 100 auf einmal zurückgegangen, was viel einfacher lösbar ist.“

Stanley betonte, dass es sich dabei um simulierte Daten handele.

„Wir haben einige Annahmen darüber getroffen, wo die Wolken entstehen und wohin sie sich bewegen, sodass es viel Raum für Verbesserungen dieser Studie gibt und mehr reale Daten betrachtet, anstatt unsere eigenen zu generieren. Das Wichtige.“ ist, dass wir eine neue Methode entwickelt haben, die das Potenzial hat, die Erfassung von 3D-Wolkendaten erheblich zu verbessern, was zu einem besseren Verständnis der Dynamik innerhalb einer Wolke und damit der langfristigen Klimaauswirkungen führen könnte.