Abstrak
Penelitian berbasis satelit tentang angin permukaan laut global sangat penting untuk memahami dan memantau proses antarmuka udara-laut yang dinamis, yang mendorong perlunya penilaian dan prakiraan yang andal. Untuk mencapai tujuan ini diperlukan rekonstruksi kecepatan angin dan arah angin yang akurat yang mengasimilasi pengamatan waktu nyata, tetapi metode saat ini yang digunakan untuk rekonstruksi tersebut tetap mahal secara komputasi dan menantang untuk memecahkan persamaan yang sangat nonlinier. Dengan memilih beberapa wilayah di Samudra Pasifik sebagai studi kasus, kami mengeksplorasi fusi pengamatan scatterometer yang jarang dari satelit yang berbeda dengan jaringan saraf yang diinformasikan fisika (PINN) untuk merekonstruksi medan angin permukaan laut skala besar, yang secara efektif mengintegrasikan pengamatan dan mengisi kesenjangan data. Hasilnya menunjukkan bahwa PINN dapat secara efisien merekonstruksi medan angin realistis penuh dari data yang jarang dengan biaya komputasi yang rendah. Selain itu, kami mengusulkan fungsi kerugian baru yang dapat mempertahankan detail skala halus sambil menangkap fitur utama medan angin. Evaluasi terhadap kumpulan data referensi, termasuk pengukuran pelampung, ERA5, dan kecepatan serta arah angin multiplatform yang dikalibrasi silang (CCMP), menyoroti keakuratan dan kekokohan metode yang diusulkan. Dibandingkan dengan data analisis ulang ERA5 dan CCMP, medan angin yang direkonstruksi oleh PINN sangat sesuai dengan pengamatan. Temuan ini menggarisbawahi potensi teknik PINN sebagai pendekatan alternatif yang efisien secara komputasi untuk rekonstruksi angin permukaan laut operasional.
Poin-poin Utama
- Skema jaringan saraf berbasis fisika (PINN) diusulkan untuk mengisi kesenjangan data satelit dan merekonstruksi medan angin permukaan laut
- PINN memecahkan persamaan Navier-Stokes (NS) sambil melakukan regresi data pada data scatterometer jarang tanpa bidang latar belakang
- Pengenalan batasan kecepatan dan arah angin ke dalam fungsi kerugian meningkatkan kemampuan untuk menangkap fitur skala besar dan kecil
Ringkasan Bahasa Sederhana
Medan angin permukaan laut merupakan parameter atmosfer dan oseanografi yang krusial, dan penginderaan jarak jauh, khususnya scatterometer, memainkan peran vital dalam memperoleh informasi angin permukaan laut global. Namun, tantangan utama dengan satelit yang mengorbit kutub adalah kesenjangan data yang disebabkan oleh lintasan orbitnya. Dalam studi ini, kami memanfaatkan teknik jaringan saraf berbasis fisika (PINN) untuk merekonstruksi medan angin permukaan laut skala besar dari pengamatan scatterometer yang jarang. Dengan menggabungkan kendala fisik ke dalam fungsi kerugian, kami secara efisien mengisi kesenjangan data dan merekonstruksi medan angin yang tidak hanya cocok dengan data observasi tetapi juga mematuhi prinsip-prinsip fisika. Hasilnya menunjukkan bahwa PINN dapat merekonstruksi medan angin yang sangat menyerupai pola angin yang realistis, menangkap struktur skala besar sambil mempertahankan detail skala halus, berkat pengenalan kendala kecepatan dan arah angin yang konsisten. Akurasi model divalidasi menggunakan data medan angin dari ERA5, CCMP, pelampung, dan sumber lainnya. Perlu dicatat bahwa meskipun dilatih menggunakan pengamatan Samudra Pasifik, PINN menunjukkan potensinya untuk rekonstruksi angin permukaan laut di wilayah lain juga.
