OceanDepths: A Global Dataset of Paired Subsurface and Surface Ocean Observations

De oceanen bedekken meer dan zeventig procent van het oppervlak van de planeet, en toch blijven ze een van de minst begrepen delen van onze eigen wereld. Hoewel satellieten met ongelooflijk detail de huid van de oceaan kunnen observeren, waarbij ze de temperatuur en het zoutgehalte van het water direct aan het oppervlak meten, kunnen ze niet zien wat eronder ligt. Om echt te begrijpen hoe de oceaan het klimaat van de aarde reguleert, warmte absorbeert en weerpatronen aanstuurt, moeten wetenschappers de volledige driedimensionale structuur van het water kunnen zien, van het oppervlak tot in de diepe zee. Decennialang hebben onderzoekers vertrouwd op een lappendeken van drijvende instrumenten die door het water drijven en metingen verrichten op specifieke punten, maar deze datapunten zijn verspreid en schaars in vergelijking met het continue beeld dat satellieten bieden. Deze kloof heeft het moeilijk gemaakt om een compleet beeld te vormen van de verborgen lagen van de oceaan of om de nieuwe generatie kunstmatige intelligentie-instrumenten te trainen die zouden kunnen helpen bij het voorspellen van toekomstige veranderingen.

Een team van onderzoekers heeft deze kloof nu overbrugd door een enorme, verenigde dataset te creëren die combineert wat satellieten aan het oppervlak zien met wat instrumenten diep onder de waterlijn meten. Deze nieuwe bron, genaald OceanDepths, brengt bijna vijfentwintig jaar aan observaties samen, van het jaar 2000 tot 2024, in één enkel, georganiseerd formaat dat computers gemakkelijk kunnen lezen. De dataset koppelt hoogresolutie satellietkaarten van de zeetemperatuur aan het oppervlak, het zoutgehalte en de hoogte met miljoenen verticale profielen van temperatuur en zoutgehalte die zijn genomen door autonome boeien. Door deze twee zeer verschillende soorten gegevens op hetzelfde rooster uit te lijnen, hebben de onderzoekers een trainingsgrond gecreëerd voor kunstmatige intelligentie om te leren hoe de condities aan het oppervlak van de oceaan zich verhouden tot de verborgen diepten. Dit werk vult niet alleen een gat in de data; het biedt een gestandaardiseerde, wereldwijde testomgeving die wetenschappers in staat stelt om voorbij ruwe benaderingen te gaan en te beginnen met het modelleren van het complexe, driedimensionale gedrag van de oceaan met ongekende precisie.

De uitdaging om de oceaan te begrijpen werd lang gedefinieerd door een mismatch in observatie. Satellieten bieden een continue, wereldwijde blik op het oppervlak en leggen dagelijkse veranderingen in temperatuur en hoogte over de hele wereld vast. In contrast hiermee komen de metingen onder de golven voort uit een vloot van ongeveer 4.000 autonome boeien, bekend als het Argo-programma, die meedrijven met de stromingen en periodiek duiken om de waterkolom te meten. Hoewel deze boeien de meest systematische bemonstering van de bovenste oceaan bieden, is hun dekking extreem schaars in verhouding tot de uitgestrektheid van de zee. Op veel plaatsen is er slechts één meting voor elke paar honderd kilometer, wat enorme gaten laat in onze kennis. Historisch gezien hebben wetenschappers geprobeerd deze gaten op te vullen met behulp van computermodellen of door de data te reconstrueren op basis van beperkte observaties, maar deze benaderingen vertrouwen vaak op aannames die niet overal standhouden. Het resultaat is een gebrek aan een enkele, betrouwbare bron van gekoppelde data die gebruikt kan worden om kunstmatige intelligentie te leren hoe de verborgen structuur van de oceaan afgeleid kan worden van wat zichtbaar is aan het oppervlak.

Om dit op te lossen, heeft het team achter OceanDepths een dataset samengesteld die satellietobservaties koppelt aan in-situ metingen op wereldwijde schaal. Ze verzamelden satellietgegevens voor de zeetemperatuur aan het oppervlak, het zoutgehalte aan het oppervlak en de zeeniveauhoge, die de dynamische vorm van het oceaanoppervlak aangeeft. Deze oppervlaktemetingen werden gekoppeld aan miljoenen temperatuur- en zoutgehalteprofielen die zijn genomen door instrumenten in het water. Het team heeft deze uiteenlopende gegevensbronnen zorgvuldig op een gemeenschappelijk rooster uitgelijnd, waarbij de hele wereld in kleine vierkantjes is verdeeld en ervoor is gezorgd dat elke oppervlaktemeting een bijbehorend diepteprofiel in de nabijheid heeft. De dataset beslaat de periode van 2000 tot 2024 en biedt een wekelijkse kijk op de staat van de oceaan. Het bevat meer dan 9,5 miljoen gekoppelde profielen, geïnterpoleerd naar vijftig standaard diepteniveaus, reikend tot bijna 6.000 meter in sommige gebieden. Dit niveau van detail stelt onderzoekers in staat om de oceaan te bestuderen op een resolutie die fijn genoeg is om de kolkende wervelingen en stromingen te zien die de oceaan dynamiek domineren, in plaats van alleen de brede, traag bewegende trends.

Een cruciaal kenmerk van deze nieuwe dataset is dat deze de ruwe, gekoppelde observaties biedt in plaats van een vooraf gereconstrueerd model. Eerdere datasets bestonden vaak uit gladgestreken, met gaten gevulde producten gegenereerd door computermodellen, die fouten kunnen verbergen of biases kunnen introduceren. OceanDepths biedt daarentegen de werkelijke metingen naast een dichte reanalyseproduct, dat dient als referentie maar niet het primaire doel is. Dit onderscheid is essentieel voor het trainen van kunstmatige intelligentie, omdat het modellen in staat stelt om direct te leren van de echte, rommelige data van de oceaan in plaats van van een perfecte, gesimuleerde versie ervan. De dataset bevat ook een configureerbaar systeem dat de wereld opbreekt in beheersbare stukken, of patches, waardoor het voor onderzoekers gemakkelijk is om de data te laden en te verwerken voor verschillende soorten analyses. Deze aanpak pakt een belangrijke beperking aan in eerder werk, waarbij data vaak verspreid was over verschillende formaten en resoluties, wat het moeilijk maakte om resultaten te vergelijken of studies te reproduceren.

De onderzoekers testten het nut van deze nieuwe bron door het te gebruiken om eenvoudige kunstmatige intelligentiemodellen te trainen om de subsystemische staat van de oceaan te reconstrueren. Het doel was om te zien of een model naar de omstandigheden aan het oppervlak en de schaarse metingen van de boeien kon kijken en accuraat de temperatuur en het zoutgehalte op elke tussenliggende diepte kon voorspellen. De resultaten lieten zien dat hoewel eenvoudige statistische methoden gebaseerd op historische gemiddelden sterke concurrenten bleven, de kunstmatige intelligentiemodellen in staat waren om meer van de complexe ruimtelijke patronen te vangen, met name voor het zoutgehalte. De studie vond dat modellen die de omliggende horizontale context in overweging namen — door naar het water rond een specifiek punt te kijken in plaats van alleen naar de verticale kolom erboven — aanzienlijk beter presteerden. Dit suggereert dat de verborgen structuur van de oceaan diep verbonden is met de patronen die zichtbaar zijn aan het oppervlak en de bredere regionale context, een relatie die de nieuwe dataset mogelijk maakt om in detail te verkennen.

De creatie van OceanDepths vormt een belangrijke stap vooruit voor zowel de oceanografie als het vakgebied van kunstmatige intelligentie. Door een gestandaardiseerde, wereldwijde en hoogwaardige dataset van gekoppelde observaties te bieden, hebben de onderzoekers een grote barrière weggenomen voor wetenschappers die machine learning willen toepassen op oceanische problemen. De extreme schaarste van de dataset, waarbij observaties minder dan één procent van de oceaan op een gegeven diepte dekken, vormt een unieke uitdaging die de grenzen van huidige AI-methoden opzoekt. Het dwingt tot de ontwikkeling van nieuwe technieken die in staat zijn om te leren van onvolledige en onregelmatige data, net zoals een mens de vorm van een verborgen object zou kunnen afleiden door slechts een paar punten op het oppervlak te voelen. De auteurs benadrukken dat deze dataset geen definitieve oplossing is, maar een fundamentele bron, een gedeelde baseline die de gemeenschap in staat zal stellen om verschillende methoden te vergelijken en vooruitgang in de loop van de tijd te volgen.

De implicaties van dit werk reiken verder dan alleen betere kaarten van de oceaan. Een dieper begrip van de driedimensionale structuur van de oceaan is essentieel voor het voorspellen van extreme weersomstandigheden, het volgen van de beweging van warmte en koolstof, en het verbeteren van klimaatprojecties. Het vermogen om de verborgen staat van de oceaan te reconstrueren vanuit oppervlakte-observaties zou kunnen leiden tot nauwkeurigere voorspellingen van mariene hittegolven en veranderingen in de oceaancirculatie. Bovendien opent de dataset de deur naar observatie-gebaseerde voorspellingsmethoden die niet uitsluitend vertrouwen op complexe fysieke modellen, wat potentieel een nieuwe manier biedt om de toekomstige staat van de oceaan te voorspellen. De onderzoekers hebben alle data, code en tools publiekelijk beschikbaar gesteld, en nodigen de wereldwijde wetenschappelijke gemeenschap uit om op deze fundering voort te bouwen en de diepe, verborgen lagen van ons meest vitale systeem te verkennen.