El interés de David Stanley por el cambio climático le llevó a desarrollar un programa para mejorar la forma en que recopilamos datos para estudiar el interior de una nube. El programa simula varios satélites y recopila simultáneamente imágenes de una nube desde múltiples ángulos, lo que puede ayudarnos a comprender mejor lo que sucede dentro de la nube.
“Por lo general, sólo podemos ver características fuera de las nubes”, dijo Stanley. “La tomografía computarizada de nubes debe su nombre a la tomografía computarizada, que es similar a una tomografía computarizada. En lugar de rayos X, los satélites toman fotografías de las nubes desde tantos ángulos como sea posible y en el menor tiempo posible”.
Stanley dijo que una de las incógnitas en el modelado climático es cuánto afecta el transporte convectivo al nuevo crecimiento de nuevas nubes. La convección se refiere al movimiento del calor y la humedad en la atmósfera, especialmente corrientes de aire ascendentes y descendentes en condiciones inestables.
“Al hacer múltiples pases en el tiempo del mismo centro de nubes, se puede ver cómo la convección cambia con el tiempo, cómo afecta el crecimiento de otras nubes en el futuro. Y el crecimiento de las nubes puede aumentar el efecto invernadero”.
Después de completar su maestría en ingeniería aeroespacial en la Universidad de Illinois en Urbana-Champaign, dijo Stanley, volvió a postularse para realizar un doctorado. En Illinois
“Hablé de mi interés general en la ingeniería y la ingeniería aeroespacial, pero de lo importante que es para nosotros comprender mejor el cambio climático y trabajar para encontrar soluciones”, dijo. “Robin Woollands vio ese interés en mí y me pidió que me uniera a su equipo de investigación. Me conectó con Federico Rossi y Amir Rahmani en el Grupo de Autonomía de Agentes Múltiples en el Laboratorio de Propulsión a Chorro de la NASA, y me presentaron a los científicos del JPL, Changrak Choi y Anthony. Davis. Quien, conocedor de la tomografía de nubes, las nubes atmosféricas y los aerosoles, se alineó con algunos de mis intereses, y fue algo que Robin vio como una propuesta de misión interesante: utilizar sistemas de múltiples agentes para respaldar las misiones de ciencias de la Tierra”.
Para la simulación, Stanley utilizó un solucionador de programas lineales enteros mixtos que se utiliza para una amplia variedad de aplicaciones. Stanley escribió el código para crear un programador que optimizaría la sincronización y los ángulos de orientación de la cámara para que el enjambre de satélites obtuviera tantas imágenes de la nube como fuera posible.
“Lo interesante fue cómo utilizamos un programador lineal entero mixto para determinar el patrón de apuntamiento más eficiente para formar automáticamente los satélites. Todos los satélites tenían que apuntar al mismo objetivo al mismo tiempo. Pero podía haber docenas. Diferentes objetivos debajo de cada satélite, y algunos objetivos pueden perderse si no se apuntan en el momento adecuado.”
El objetivo era maximizar el número de veces que los satélites veían diferentes objetivos a lo largo de la órbita.
“Hicimos dos simulaciones diferentes. Tenemos una simulación de nubes que se forman en la superficie de la Tierra con una vida determinada. En la computadora, son las coordenadas de una esfera. La segunda simulación propaga enjambres de satélites. Esto se puede hacer simplemente o usando un modelo más complejo y más preciso haciendo.
“Cuando combinamos los datos de estas dos simulaciones, el programa calcula información sobre dónde están los satélites en diferentes puntos de la órbita y dónde están las nubes en ese punto de la órbita, luego decide cuál es el patrón más atractivo entre esos satélites. y nubes en el suelo.”
Dijo que hubo varios momentos en medio del estudio en los que tuvo diferentes ideas sobre la mejor manera de simular los datos y enviarlos al solucionador.
“Tal vez necesites una matriz para cada paso de tiempo y para cada satélite, o puedes tener una matriz para diferentes secciones de la Tierra. Primero intenté subdividir todo por fuerza bruta y usar las diferentes secciones de la Tierra como coordenadas de referencia. Pero la Tierra tiene muchas áreas y terminas con millones y millones de índices que no se pueden resolver en una computadora de escritorio”.
Al final, Stanley dijo que se inspiró en el trabajo anterior de Woollands. Desarrolló un método para que una constelación de satélites que orbitan alrededor de Marte recopilen observaciones de tantos remolinos de polvo como sea posible en Marte, donde subdividieron los subsectores de los satélites en lugar de subdividir toda la Tierra, lo que solo requería unos pocos indicadores. un tiempo
“Así que, además de eso, pude darme cuenta de que en realidad podía utilizar las nubes como indicadores”, añadió Stanley. “Funcionó bien y pasó de millones de indicadores a alrededor de 100 a la vez, lo cual es mucho más solucionable”.
Stanley enfatizó que se trata de datos simulados.
“Hemos hecho algunas suposiciones sobre dónde se forman las nubes y hacia dónde se dirigen, por lo que hay mucho espacio para mejorar esta investigación y observar más datos del mundo real en lugar de crear los nuestros. Lo importante es que Hemos desarrollado un nuevo método que tiene el potencial de mejorar significativamente la forma en que se recopilan los datos de las nubes en 3D, lo que podría mejorar nuestra comprensión de la dinámica dentro de las nubes y, por lo tanto, de los impactos climáticos a largo plazo.