Nowy program do obrazowania chmur wykorzystuje symulacje satelitarne do badania powstawania i konwekcji chmur, pomagając ulepszyć modele klimatyczne poprzez optymalizację sposobu gromadzenia danych 3D o chmurach.
Pasja Davida Stanleya do zmian klimatycznych zainspirowała go do stworzenia programu mającego na celu usprawnienie gromadzenia danych do badania wnętrza chmur. Program symulował wiele satelitów przechwytujących obrazy chmury jednocześnie pod różnymi kątami, oferując bardziej szczegółowe zrozumienie procesów zachodzących wewnątrz.
„Zwykle możemy zobaczyć tylko zewnętrzne cechy chmury” – powiedział Stanley. „Komputerowa tomografia chmurowa wzięła swoją nazwę od tomografii komputerowej, która przypomina tomografię komputerową. Zamiast promieni rentgenowskich satelity wykonują zdjęcia chmury pod wieloma kątami i w tak krótkim czasie, jak to możliwe”.
Badanie konwekcji i wzrostu chmur
Stanley powiedział, że jedną z niewiadomych w modelowaniu klimatu jest to, w jakim stopniu transport konwekcyjny wpływa na odrastanie nowych chmur. Konwekcja dotyczy przepływu ciepła i wilgoci w atmosferze, zwłaszcza przeciągów w górę i w dół w niestabilnych warunkach.
„Generując wielokrotne przejścia czasowe w środku tej samej chmury, można zobaczyć, jak konwekcja zmienia się w czasie i jak wpływa to na rozwój innych chmur w przyszłości. A wzrost chmur może zwiększyć efekt cieplarniany.”
Stanley powiedział, że po uzyskaniu tytułu magistra inżynierii lotniczej na Uniwersytecie Illinois w Urbana-Champaign ponownie złożył podanie, aby kontynuować studia doktoranckie. w Illinois.
„Rozmawiałem o moim ogólnym zainteresowaniu inżynierią i inżynierią kosmiczną, ale także o tym, jak ważne jest dla nas lepsze zrozumienie zmian klimatycznych i praca nad znalezieniem rozwiązań” – powiedział. „Robyn Woollands dostrzegła moje zainteresowanie i poprosiła mnie, abym dołączył do jej grupy badawczej. Połączyła mnie z Federico Rossim i Amirem Rahmanim z Grupy Autonomii Multi-Agentów pod adresem NASALaboratorium Napędów Odrzutowych i przedstawili mnie JPL naukowcy Changrak Choi i Anthony Davis, którzy mają wiedzę na temat tomografii chmur, chmur atmosferycznych i aerozoli. Było to zgodne z niektórymi moimi zainteresowaniami i było to coś, co Robyn postrzegała jako interesującą propozycję misji – wykorzystanie systemów wieloagentowych do wspierania misji związanych z nauką o Ziemi”.
Opracowanie symulacji
Do symulacji Stanley użył mieszanego solwera programu liniowego na liczbach całkowitych, który jest używany w wielu różnych zastosowaniach. Stanley napisał kod w celu opracowania harmonogramu, który optymalizowałby czas i kąty skierowania kamery dla roju satelitów w celu uzyskania jak największej liczby zdjęć chmury.
„Interesujące było to, jak wykorzystaliśmy programator liniowy z liczbami całkowitymi mieszanymi do automatycznego określenia najbardziej efektywnego wzorca wskazywania przy tworzeniu satelitów. Wszystkie satelity musiały wskazywać na ten sam cel w tym samym czasie. Jednak pod każdym satelitą mogą znajdować się dziesiątki różnych celów, a niektóre cele mogą zostać przeoczone, jeśli nie zostaną wycelowane we właściwym czasie”.
Celem było maksymalizacja liczby przypadków, w których satelity widziały różne cele na orbicie.
„Przeprowadziliśmy dwie różne symulacje. Mamy jedną symulację chmur generowanych na powierzchni Ziemi o określonej długości życia. W komputerze są to po prostu współrzędne na kuli. Druga symulacja propaguje rój satelitów. Można to zrobić w prosty sposób lub przy użyciu bardziej złożonych, dokładniejszych modeli.
„Kiedy połączymy dane z tych dwóch symulacji, program obliczy informacje o tym, gdzie satelity znajdują się w różnych punktach orbity oraz gdzie w punktach orbity znajdują się chmury, a następnie decyduje, jaki jest optymalnie wyglądający wzór między tymi satelitami i chmury na ziemi.”
Wyzwania w zarządzaniu danymi
Powiedział, że w trakcie badania kilka razy miał różne pomysły na temat najlepszego sposobu symulacji danych i przekazania danych osobie rozwiązującej.
„Być może potrzebujesz tablicy dla każdego kroku czasowego i każdego satelity, albo możesz mieć tablicę dla różnych części Ziemi. Na początku próbowałem użyć różnych części Ziemi jako współrzędnych wskazujących, dzieląc wszystko brutalną siłą. Ale na Ziemi jest duży obszar. I kończysz z milionami, milionami, milionami indeksów, których na komputerze stacjonarnym nie da się rozwiązać.
Na koniec Stanley powiedział, że czerpał inspirację z wcześniejszych prac Woollandsa. Opracowała metodę tworzenia konstelacji satelitów na orbicie Mars zebrać jak najwięcej obserwacji diabłów pyłowych na Marsie, gdzie zamiast dzielić całą Ziemię na mniejsze części, podzielono sekcje poniżej satelitów, co pozwoliło im potrzebować tylko kilku indeksów na raz.
„Ponadto zdałem sobie sprawę, że jako indeks mogę wykorzystać same chmury” – dodał Stanley. „Zadziałało dobrze i spadło z milionów indeksów do około kilku 100 na raz, co jest znacznie łatwiejsze do rozwiązania”.
Stanley podkreślił, że są to dane symulowane.
„Przyjęliśmy pewne założenia dotyczące tego, gdzie powstają chmury i dokąd zmierzają, więc istnieje wiele możliwości ulepszenia tego badania i spojrzenia na więcej danych ze świata rzeczywistego zamiast generowania własnych. Ważne jest to, że opracowaliśmy nową metodę, która może znacznie ulepszyć sposób gromadzenia danych 3D w chmurze, co może prowadzić do lepszego zrozumienia dynamiki wewnątrz chmury, a tym samym długoterminowych skutków klimatycznych.
Odniesienie: „Enabling Space-Based Computed Cloud Tomography with a Mixed Integer Linear Programming Scheduler” autorstwa Davida Stanleya, Robyn Woollands, Amira Rahmaniego, Federico Rossiego, Changraka Choi i Anthony’ego B. Davisa, 23 lipca 2024 r., Dziennik statków kosmicznych i rakiet.
DOI: 10.2514/1.A35740
Prace sfinansowano ze środków Programu Spontanicznych Badań i Rozwoju Technologii Laboratorium Napędów Odrzutowych.
