Badacz opracowuje program do tomografii chmurowej 3D

Zainteresowanie badacza Davida Stanleya zmianami klimatycznymi skłoniło go do opracowania programu mającego na celu ulepszenie sposobu gromadzenia danych w celu badania wnętrza chmury. Program symulował wiele satelitów, zbierając obrazy chmury pod wieloma kątami jednocześnie, co może pomóc nam lepiej zrozumieć, co dzieje się wewnątrz chmury.

„Zwykle możemy zobaczyć tylko zewnętrzne cechy chmury” – powiedział Stanley. „Komputerowa tomografia chmur 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”.

Praca pojawia się w Dziennik statków kosmicznych i rakiet.

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. 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.

„Mówiłem 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 o dołączenie do jej grupy badawczej. Połączyła mnie z Federico Rossim i Amirem Rahmanim z Grupy Autonomii Wieloagentowej w Laboratorium Napędów Odrzutowych NASA, a oni przedstawili mnie naukowcom z JPL Changrakowi Choi i Anthony’emu Davisowi 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”.

Do symulacji Stanley użył mieszanego solwera programu liniowego na liczbach całkowitych, który jest używany w wielu różnych zastosowaniach. Napisał kod, aby opracować harmonogram, który optymalizowałby czas i kąty skierowania kamery, aby rój satelitów mógł uzyskać jak najwięcej zdjęć chmury.

„Interesujące w tym przypadku było to, jak wykorzystaliśmy programator liniowy z liczbami całkowitymi mieszanymi do automatycznego określenia najbardziej efektywnego wzorca wskazywania podczas formowania satelitów.” – wyjaśnił. „Wszystkie satelity musiały wskazywać ten sam cel w tym samym czasie. Jednak pod każdym satelitą mogło znajdować się dziesiątki różnych celów, a niektóre cele mogły zostać przeoczone, jeśli nie zostały skierowane we właściwym czasie”.

Celem było zmaksymalizowanie liczby przypadków, w których satelity widziały różne cele na orbicie.

„Przeprowadziliśmy dwie różne symulacje. 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. Może to być można to zrobić w prosty sposób lub przy użyciu bardziej złożonych i dokładnych modeli” – kontynuował.

„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.”

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 sekcji Ziemi. Na początku próbowałem użyć różnych sekcji Ziemi jako współrzędnych wskazujących, dzieląc wszystko brutalną siłą. Ale jest duży obszar na Ziemi, a kończy się na milionach, milionach indeksów, których nie da się rozwiązać na komputerze stacjonarnym.

Na koniec Stanley powiedział, że czerpał inspirację z poprzednich prac Woollandsa. Opracowała metodę konstelacji satelitów krążących wokół Marsa, aby zebrać jak najwięcej obserwacji diabłów pyłowych na Marsie, w ramach której zamiast dzielić całą Ziemię, podzielono sekcje poniżej satelitów, co pozwoliło im potrzebować tylko kilku indeksów na czas.

„Ponadto zdałem sobie sprawę, że jako indeks mogę wykorzystać same chmury” – dodał Stanley. „To 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 jest wiele miejsca na udoskonalenie tego badania i przyjrzenie się większej liczbie danych ze świata rzeczywistego, zamiast generować własne. Ważna rzecz polega na tym, 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.