Uutinen 8.9.2021

Tekoälyä hyödyntävä menetelmä mittaa jään peittävyyttä Itämeren satelliittikuvista aiempaa tarkemmin

Ilmatieteen laitoksella on kehitetty konvoluutiohermoverkkoihin (Convolutional Neural Networks tai Deep Convolutional Neural Networks) algoritmi, joka mittaa jään peittävyyttä tutkasatelliittikuvista. Uusi menetelmä kykenee tunnistamaan merijään peittämän alueen satelliittikuvista aiempaa tarkemmin.
Kuva: Heidi Pettersson

Merijään peittävyys (sea ice concentration, lyhenne SIC) kertoo, missä on merijäätä ja kuinka suuren osan se paikallisesti kattaa. Peittävyys on tärkeä parametri muun muassatalvimerenkululle ja ilmaston seurannassa. Ilmatieteen laitoksessa kehitettiin parannettu automaattinen menetelmä mittaamaan merijään peittävyyttä Euroopan avaruusjärjestön (ESA) Sentinel-1 SAR-satelliittikuvista (Synthetic Aperture Radar, SAR). SAR, eli synteettisen apertuurin tutka, on laite, joka lähettää satelliitista radiosignaalin kohti maata ja muodostaa maan pinnasta sironneesta signaalista kuvan. Tutkimusalueena oli koko Itämeri.

Aiemmat Ilmatieteen laitoksessa käytetyt jään peittävyysalgoritmit ovat käyttäneet peittävyyden mittaamiseen SAR-kuvien useita niin kutsuttuja tekstuuripiirteitä, jotka lasketaan paikallisesti pienille kuva-alueille. Uudessa menetelmässä kuva-alue syötetään kuvan yli liukuvasti edeten ja siten koko kuvan kattaen suoraan hermoverkkoon. Tämän jälkeen hermoverkko suorittaa piirteiden valinnan ja laskemisen automaattisesti pohjautuen sen opettamiseen testidatasta riippumattomalla niin sanotulla opetusdatajoukolla. Tutkimuksessa kokeiltiin kolmea eri algoritmivarianttia, jotka olivat samankaltaisia. Kahdessa käytettiin suoraan jääkartan peittävyyttä opetuksessa, kolmannessa käytettiin keinotekoisesti tuotettuja yhdistelmiä jääkartan avoveden ja pelkän jään alueista, joiden peittävyys tiedettiin näin tarkalleen. Tämä kolmas menetelmä (SIC-2) tuotti parhaan tuloksen vertailuissa.

SIC-2-menetelmää testattiin vertaamalla sen tuottamia arvioita jään peittävyydestä Ilmatieteen laitoksen jääpalvelun päivittäisten satelliittikuvaa vastaavan päivän jääkarttojen peittävyyksiin. Esimerkiksi verrattuna aikaisempaan menetelmään, jossa algoritmi tuotti arvion jään peittävyydestä SAR-kuvan tekstuuriin pohjautuen, ero oli jääpalvelun jääkarttaan verrattaessa huomattavasti pienempi (L1D 8.8/13.7 ja RMSD 21.9/24.8 prosenttiyksikköä). Vertailussa on otettava huomioon se, että jääkartan peittävyydet ovat jääanalyytikkojen visuaalisia arvioita eivätkä näin ollen aivan tarkkoja nekään.

Jääpalvelun kartta merijään peittävyydestä vasemmalla, ja kolmen tutkitun menetelmän jään peittävyys Itämerelle 9.4.2019. Parhaat vertailutulokset tuottanut menetelmä SIC-2 äärimmäisenä oikealla. Kuvassa peittävyys esitetty prosentteina eli 0=avovettä ja 100=pelkkää jäätä.

Lisätietoja:

Erikoistutkija Juha Karvonen, Ilmatieteen laitos, puh. 050 364 3888, juha.karvonen@fmi.fi

Ryhmäpäällikkö Marko Mäkynen, Polaarioseanografia ja merijää, Ilmatieteen laitos, marko.makynen@fmi.fi

Juha Karvonen, Baltic Sea Ice Concentration Estimation From C-Band Dual-Polarized SAR Imagery by Image Segmentation and Convolutional Neural Networks, IEEE Transactions on Geoscience and Remote Sensing (Early Access), DOI: 10.1109/TGRS.2021.3097885, 2021.

Tieteellisen artikkelin voi lukea täältä (PDF-tiedosto)

TiedeuutinenMeriMerijääSatelliittiKaukokartoitus