Томские учёные научили нейросеть «читать» облака
Облака верхнего яруса выглядят невесомо. Но именно они в значительной мере определяют, сколько тепла уходит из атмосферы в космос и сколько остаётся у поверхности Земли. Иными словами, эти облака — один из ключевых «термостатов» планеты. Проблема в том, что состоят они не из водяных капель, а из ледяных кристаллов сложной формы. Их ориентация в пространстве, размеры и концентрация влияют на то, как облако пропускает, поглощает и отражает солнечный свет. А это, в свою очередь, напрямую влияет на точность климатических моделей и прогнозов погоды.
До последнего времени микроструктура таких облаков оставалась, по сути, белым пятном. Метеорологи знали, что она важна, но не имели инструментов, чтобы регулярно и точно её измерять. Наземные лидары, спутниковые измерения и аэрозондирование давали отдельные данные, которых было недостаточно. Каждое средство наблюдения видело лишь свой фрагмент «небесной картины».
Команда Лаборатории анализа данных физики высоких энергий ТГУ подошла к задаче с неожиданной стороны. Вместо того чтобы пытаться свести разрозненные измерения вручную, учёные поручили это нейросети. Удалось это не сразу. Первая попытка состояла в том, чтобы натренировать модель на сырых метеорологических данных. Однако атмосфера слишком динамична, в ней так много переменных, и алгоритм тонул в этом шуме. Тогда исследователи поменяли стратегию, они взяли архив глобального климатического реанализа ERA5 за пятнадцать лет — с 2009 по 2023 год — и превратили его в компактные цифровые коды, из которых нейросеть могла выявлять связи между оптическими свойствами облаков и метеоусловиями.
В итоге выстроился целый процесс. Наземный поляризационный лидар в Томске «снимал» вертикальный срез облака, фиксировал, как ориентированы ледяные кристаллы, на какой высоте, в каком количестве. Спутниковые данные дополняли картину сверху. Аэрозондирование давало представление о температуре, влажности, давлении и ветре на разных высотах. Нейросеть, обученная на пятнадцатилетнем архиве, связывала всё это воедино и реконструировала параметры облака — то, что раньше можно было получить лишь ценой сложных и редких натурных экспериментов.
Любопытно, что для поиска оптимальной архитектуры нейросети в ТГУ устроили профильный конкурс по машинному обучению. Лучшее решение разработал магистрант университета — и он же продолжил дорабатывать модель для практического применения. По сути, студенческая конкурсная работа легла в основу научного инструмента, которым теперь пользуются профессиональные исследователи.
На практике это значит, что метеослужбы получают более детальную информацию о верхней части облачности — там, где формируются многие процессы, определяющие погоду на земле. Перистые облака часто опережают тёплые фронты и циклоны, поэтому их изменения — ранний сигнал того, что через день-два регион накроет штормом или резким потеплением. Кроме того, ледяные кристаллы на большой высоте взаимодействуют с частицами, которые переносятся в атмосфере на тысячи километров, это и пыль, и сажа и другие элементы. Понимая, как облака верхнего яруса задерживают, отражают или пропускают эти частицы, можно точнее отслеживать распространение загрязняющих веществ и оценивать их влияние на экологию конкретных регионов.
Проект, в рамках которого ведётся разработка, получил в 2024 году грант Российского научного фонда. Его цель шире, чем один метод. Исследователи хотят построить целостную систему восстановления характеристик и эволюции облаков верхнего яруса в условиях меняющегося климата. Пока метод протестирован на данных для Томского региона, но архитектура позволяет масштабировать его и на другие географические точки.