Ein Telekommunikations-Glasfaserkabel, das vor der Küste von Oliktok Point in Alaska verlegt wurde, zeichnete seismisches Umgebungsgeräusch auf, das zur genauen Verfolgung der Bildung und des Rückzugs von Meereis in der Region verwendet werden kann, berichten Forscher in Der seismische Rekord.
Andres Felipe Peña Castro von der University of New Mexico und Kollegen nutzten Distributed Acoustic Sensing (DAS), um seismische Signale zu identifizieren, die mit der Bewegung von Wellen auf offenem Wasser und dem Meereis zusammenhängen, das diese Wellenbewegung unterdrückt. Die Technik bietet eine Möglichkeit, Meereis mit zunehmender räumlicher und zeitlicher Auflösung – im Stunden- und Kilometermaßstab – im Vergleich zu Satellitenbildern zu verfolgen, die täglich aktualisiert werden und Dutzende bis Hunderte von Kilometern abdecken können.
Die schnelle Überwachung von Meereisveränderungen ist sowohl für die kommerzielle Schifffahrt als auch für einheimische Gemeinschaften wichtig und könnte ein weiteres nützliches Instrument zur Verfolgung des arktischen Klimawandels werden, stellte das Forschungsteam fest.
In der Studie konnten die Wissenschaftler abrupte Veränderungen der Meereisausdehnung bis zu 10 Kilometern beobachten, die in weniger als einem Tag auftraten.
„Es war auf jeden Fall überraschend, dass sich das Meereis in wenigen Stunden so stark verändern kann“, sagte Peña Castro. „Einige Kollegen haben erwähnt, dass diese schnellen Veränderungen zwar häufig vorkommen, aber die zeitliche Auflösung von Satelliten macht es selten, derart schnelle Veränderungen im Meereis zu beobachten.“
DAS nutzt die winzigen inneren Fehler in einer langen optischen Faser als Tausende von seismischen Sensoren. Ein als Interrogator bezeichnetes Instrument an einem Ende der Faser sendet Laserimpulse durch das Kabel, die von den Faserfehlern reflektiert und zum Instrument zurückgeworfen werden. Forscher können Veränderungen im Timing der reflektierten Impulse untersuchen, um mehr über die resultierenden seismischen Wellen zu erfahren.
Peña Castro und Kollegen nutzten für ihr DAS-Experiment einen 37,4 Kilometer langen Abschnitt eines Meeresboden-Glasfaserkabels, der Teil eines Netzwerks von Quintillion Global ist und keine aktiven Telekommunikationsdaten überträgt. Die DAS-Daten wurden zwischen dem 9. und 15. Juli 2021 und dem 10. und 16. November 2021 aufgezeichnet, Zeiten, die speziell darauf ausgerichtet waren, Zeiträume mit vorübergehender Meereisbedeckung zu erfassen.
Die ursprüngliche Idee, sagte Peña Castro, bestand darin, verschiedene Signale zu klassifizieren, die aus der Interaktion von Ozean, Erde und Atmosphäre entstehen, wie etwa potenzielle lokale Meereszustände und Sturmfluten, Untiefen und Meereisbrüche. „Wir wollten die wichtigsten Signaltypen in den Daten objektiv identifizieren, ohne davon auszugehen, wie viele Signale oder welche Signale dominant sein würden“, sagte er. „Wir hatten nicht erwartet, Veränderungen in der Meereisbedeckung mit so feinen räumlich-zeitlichen Details zu beobachten.“
Um den riesigen Glasfaserdatensatz zu sortieren, griffen die Forscher auf maschinelle Lernalgorithmen zurück. „Im Allgemeinen erzeugt DAS große Datenmengen, die manuell nicht verarbeitet werden können. Aus diesem Grund haben wir uns für einen maschinellen Lernansatz entschieden, der mögliche Muster in den Daten identifizieren kann“, erklärte Peña Castro. „Sobald ein Signal oder Muster identifiziert wurde, können wir überlegen, wie wir dieses Signal am effizientesten verfolgen können.“
Die Forscher konnten die Bildung von Meereis entlang der Länge des Kabels beobachten, jedoch nicht, wie weit sich das Eis senkrecht zum Kabel ausbreitete. Sie haben in der Studie nicht die Meereisdicke gemessen, aber Peña Castro sagte: „Theoretisch ist es möglich, die Eisdicke mithilfe von DAS zu bestimmen. Eine Schwierigkeit besteht darin, dass bodennahe Messungen der Eisdicke erforderlich sind, um die vorgeschlagenen Methoden zu validieren.“
Die Kombination aus maschinellem Lernen und DAS-Techniken werde bereits in der Öl- und Gasindustrie eingesetzt, sagte Peña Castro. „Im Allgemeinen können Clustering-Techniken, wie sie in dieser Studie verwendet werden, dabei helfen, viele verschiedene Arten von Veränderungen in Umwelt- oder anthropogenen Signalen zu identifizieren, die Bodenvibrationen erzeugen.“
Mehr Informationen:
Andres Felipe Peña Castro et al., Verfolgung der lokalen Meereisausdehnung in der Beaufortsee mithilfe verteilter akustischer Sensorik und maschinellem Lernen, Der seismische Rekord (2023). DOI: 10.1785/0320230019