At bygge bro over kløften:Dataloger udvikler model til at forbedre vanddata fra satellitter

Satellitter, der omkranser Jorden, indsamler en mængde vanddata om vores planet, men alligevel kan det være en udfordring at destillere brugbar information fra disse kilder om vores oceaner, søer, floder og vandløb.

"Vandforvaltere har brug for nøjagtige data til vandressourceforvaltningsopgaver, herunder overvågning af søens kystzone, registrering af stigende havgrænseskift og erosionsovervågning," siger computerforsker Pouya Hosseinzadeh ved Utah State University. "Men de står over for en afvejning, når de gennemgår data fra aktuelt installerede satellitter, som giver komplementære data, der enten har høj rumlig eller høj tidsmæssig opløsning. Vi forsøger at integrere dataene for at give mere nøjagtig information."

Forskellige datafusionstilgange har begrænsninger, herunder følsomhed over for atmosfæriske forstyrrelser og andre klimatiske faktorer, der kan resultere i støj, afvigelser og manglende data.

En foreslået løsning, siger Hosseinzadeh, en ph.d.-studerende, og hans fakultetsmentor Soukaina Filali Boubrahimi, er Hydro-GAN. Forskerne udviklede Hydro-GAN-modellen sammen med USU-kollegerne Ashit Neema, Ayman Nassar og Shah Muhammad Hamdi og beskriver dette værktøj i onlineudgaven af ​​Water Resources Research .

Hydro-GAN, siger Filali Boubrahimi, assisterende professor i USU's Department of Computer Science, er en ny maskinlæringsbaseret metode, der kortlægger de tilgængelige satellitdata i lav opløsning til en datamodpart i høj opløsning.

"I vores papir beskriver vi integration af data indsamlet af MODIS, et spektroradiometer ombord på Terra Earth Observing System-satellitten og Landsat 8-satellitten, som begge har forskellige rumlige og tidsmæssige opløsninger," siger hun. "Vi forsøger at bygge bro over kløften ved at generere nye dataprøver fra billeder indsamlet af disse satellitter, som forbedrer opløsningen af ​​formen af ​​vandgrænser."

Datasættet, der bruges i denne forskning, består af billeddata indsamlet i løbet af en syv-årig periode (2015-2021) af 20 reservoirer i USA, Australien, Mexico og andre lande. Forfatterne præsenterer et casestudie af Lake Tharthar, en saltvandssø i Irak, der i størrelse kan sammenlignes med Great Salt Lake og står over for lignende klima- og brugstryk.

"Ved hjælp af syv års data fra MODIS og Landsat 8 evaluerede vi vores foreslåede Hydro-GAN-model på Lake Tharthars krympende og ekspansionsadfærd," siger Hosseinzadeh. "Ved at bruge Hydro-GAN var vi i stand til at forbedre vores forudsigelser om søens skiftende område."

Sådan information er kritisk for regionens hydrologer og miljøforskere, siger han, som har brug for at overvåge sæsonbetinget dynamik og træffe beslutninger om, hvordan de skal opretholde søens vandforsyning.

Forskerne demonstrerer, at Hydro-GAN kan generere højopløsningsdata på historiske tidstrin, som ellers er utilgængelige, til situationer, hvor der er behov for en stor mængde historiske data til nøjagtige prognoser.

"Vi mener, at dette vil være et værdifuldt værktøj for vandforvaltere, og fremover med lignende modeller kan vi anvende en multimodal tilgang til at levere data ud over billeder, herunder information om topologi, snedatamængder, strømflow, nedbør, temperatur og andre klimavariabler," siger Hosseinzadeh, som præsenterer forskningen under USU's 2024 Spring Runoff Conference 26.-27. marts i Logan, Utah.

Flere oplysninger: Soukaina Filali Boubrahimi et al., Spatiotemporal Data Augmentation of MODIS-Landsat Water Bodies Using Adversarial Networks, Water Resources Research (2024). DOI:10.1029/2023WR036342

Leveret af Utah State University