En AI-model til at reducere usikkerheden i forudsigelse af evapotranspiration

Når videnskabsmænd ser på Jordens tilgængelige vand til økosystemtjenester, ser de ikke kun på nedbør. De skal også tage højde for vand, der bevæger sig fra jorden til atmosfæren, en proces kendt som evapotranspiration (ET).

ET omfatter fordampning fra jord og åbne vandbassiner såsom søer, floder og damme, samt transpiration fra planteblade. Forskellen mellem nedbør og ET angiver den vandbalance, der er tilgængelig for samfundets behov, herunder landbrugs- og industriproduktion. Det er dog udfordrende at måle ET. En ny undersøgelse fra University of Illinois Urbana-Champaign præsenterer en computermodel, der bruger kunstig intelligens (AI) til ET-forudsigelse baseret på skøn over fjernmåling.

"Jordbaserede ET-estimater fanger de lokale strømme af vand, der overføres til atmosfæren, men er begrænset i skala. I modsætning hertil giver satellitdata ET-information på global skala. Alligevel er de ofte ufuldstændige på grund af skyer eller sensorfejl, og satellitcyklus over et område kan kræve flere dage."

"Vi udførte denne forskning for at forudsige manglende data og for at generere daglige kontinuerlige ET-data, der tegner sig for dynamikken i arealanvendelse og atmosfærisk luftbevægelse," sagde hovedforfatter Jeongho Han, en doktorgradsstuderende ved Institut for Landbrugs- og Biologisk Teknik (ABE) , en del af College of Agricultural, Consumer and Environmental Sciences og The Grainger College of Engineering i Illinois.

Forskerne skabte "Dynamic Land Cover Evapotranspiration Model Algorithm" (DyLEMa) baseret på beslutningstræ-maskinlæringsmodeller. Denne algoritme er beregnet til at forudsige manglende rumlige og tidsmæssige ET-data ved hjælp af trænede sæsonbestemte maskinlæringsmodeller. DyLEMa blev evalueret i forhold til Illinois skala på et dagligt 30 x 30 meter gitter i 20 år ved hjælp af data fra NASA, U.S. Geological Survey og National Oceanic and Atmospheric Administration.

"DyLEMa er meget mere detaljeret og kompleks end andre modeller. Den skelner mellem forskellige arealanvendelser, herunder skov, by og landbrug, og forskellige afgrøder, såsom majs og soja. Modellen omfatter nedbør, temperatur, luftfugtighed, solstråling, vegetation. stadie og jordegenskaber."

"Dette giver os mulighed for at fange overfladedynamikken nøjagtigt og forudsige ET baseret på flere variabler. Dette er især vigtigt for landbrugslandskaber, hvor afgrøder ændrer sig hurtigt," sagde medforfatter Jorge Guzman, forskningsassistent i ABE.

Forskerne testede modellens nøjagtighed ved at sammenligne dens resultater med eksisterende data. Til validering over tid brugte de jordmålinger fra 2009 til 2016 på fire steder i Illinois. For at teste rumlig nøjagtighed skabte de også kunstige scenarier, hvor de indsatte en syntetisk sky i et skyfrit billede, derefter anvendte deres algoritme og sammenlignede resultaterne med de originale data.

Generelt reducerede DyLEMA ET-forudsigelsesusikkerhed i kumulerede ET-estimater fra et gennemsnit på +30 % (overforudsagt) til omkring -7 % (underforudsagt) sammenlignet med eksisterende målinger, hvilket indikerer meget større nøjagtighed.

Undersøgelsen er en del af et større projekt om jorderosion. Maria Chu, lektor i ABE, er hovedefterforsker på dette projekt og medforfatter til det nye papir.

"ET kontrollerer jordens fugtindhold og omvendt, hvilket påvirker overfladeprocesser såsom afstrømning og vanderosion. Vores næste skridt er at integrere vores data i en distribueret hydrologisk model for bedre estimering af jorderosion," sagde Chu.

"En af udfordringerne med arealforvaltningspraksis er, at folk måske ikke ser fordelen ved at implementere ændringer med det samme. Men med denne model kan vi vise, at det, du gør nu, vil have en langsigtet effekt, f.eks. 20 år fra nu og på steder langt fra din gård Dette er kraften ved at bruge data og computerkapacitet til at engagere lokalsamfund og informere om politiske foranstaltninger," tilføjede Chu.

Forskningen er publiceret i tidsskriftet Computers and Electronics in Agriculture .

Flere oplysninger: Jeongho Han et al., Dynamic land cover evapotranspiration model algoritme:DyLEMa, Computers and Electronics in Agriculture (2024). DOI:10.1016/j.compag.2024.108875

Leveret af University of Illinois at Urbana-Champaign