Koneoppimismenetelmillä tietoa pienhiukkasten historiasta
Pienhiukkaset vaikuttavat merkittävästi auringonvalon kulkuun ilmakehässä sekä toimivat pilvien tiivistymisytiminä. Jotta ihmisten tuottamien pienhiukkasten ilmastovaikutuksia voidaan arvioida, tarvitaan myös tietoa siitä, mikä niiden määrä on ollut menneisyydessä.
Ilmatieteen laitos on soveltanut koneoppimismenetelmiä arvioimaan ilmakehän pienhiukkasten määrää maanpinnalta tehdyistä säteilymittauksista. Näitä menetelmiä sovellettiin pyranometrimittauksiin, jotka mittaavat maanpinnalle saapuvan säteilyn määrää, mutta joita ei ole suunniteltu pienhiukkasten määrän mittaamiseen. Koneoppimismenetelmien avulla pyranometrimittauksista laskettiin pienhiukkaset optinen paksuus, joka kuvaa sitä, miten paljon ilmassa olevat pienhiukkaset vähentävät maanpinnalle saapuvan auringonvalon määrää. Optinen paksuus kasvaa hiukkasten määrän kasvaessa. Tutkimuksen tulosten perusteella koneoppimismenetelmillä saadaan määritettyä hiukkasten optinen paksuus erittäin hyvin.
Koska pyranometrimittauksia on tehty useita vuosikymmeniä, mittaustulosten avulla voitaisiin määrittää pienhiukkasten määrää myös menneille aikakausille, jolloin pienhiukkasia mittaavia laitteita ei vielä ole ollut. Näin myös pienhiukkasten ilmastovaikutuksia voitaisiin arvoida entistä tarkemmin.
Lisätietoja:
Antti Arola, puh. 050 307 2131, antti.arola@fmi.fi
Huttunen, J., Kokkola, H., Mielonen, T., Mononen, M. E. J., Lipponen, A., Reunanen, J., Lindfors, A. V., Mikkonen, S., Lehtinen, K. E. J., Kouremeti, N., Bais, A., Niska, H., and Arola, A.: Retrieval of aerosol optical depth from surface solar radiation measurements using machine learning algorithms, non-linear regression and a radiative transfer-based look-up table, Atmos. Chem. Phys., 16, 8181-8191, doi:10.5194/acp-16-8181-2016, 2016.