Ilmaston mallinnus ja tutkimus tarvitsevat ajallisesti ja paikallisesti mahdollisimman kattavaa tietoa heijastavuudesta eli albedosta. Puuttuvat havainnot voivat vääristää ilmastollisia keskiarvoja ja peittää tärkeitä fysikaalisia ilmiöitä. Ilmatieteen laitoksen tutkijat kehittivät puuttuvien havaintojen täydennysmenetelmän ja sovelsivat sitä albedon viiden päivän keskiarvoihin. Keskiarvoja tuotetaan Euroopan sääsatelliittijärjestö EUMETSATin projektissa (CM-SAF, Satellite Application Facility on Climate Monitoring) käyttäen optisia satelliittihavaintoja. Täydennyksen perustana tutkimuksessa olivat albedon kuukausikeskiarvot. Lisäksi käytettiin pilvisinä ja pimeinä aikoina saatavia päivittäisiä mikroaaltoalueen kirkkauslämpötila-arvoja ja niihin perustuvia merijääkarttoja.
Menetelmällä saatiin täytettyä jopa 27 % testivuosien puuttuvista albedoarvoista. Tutkimus osoitti, että menetelmä on vakaampi, harhattomampi ja tarkempi kuin muut yksinkertaiset menetelmät. Esimerkiksi aikasarjan aukkojen täyttäminen pelkällä albedodatan kuukausikeskiarvolla osoittautui haasteelliseksi merijään nopeiden muutosten takia, erityisesti sulamiskauden aikana. Kosteuteen reagoiva mikroaaltodata onkin täten tärkeä osa menetelmää.
Lähde: Ilmatieteen laitos
The post Arktisen merijään heijastavuuden aikasarjan aukkoja täydennettiin koneoppimisen avulla appeared first on Vastuullisuusuutiset.fi.