I cambiamenti nelle masse d'acqua che sono immagazzinati nei continenti possono essere rilevati con l'aiuto dei satelliti. I set di dati sul campo gravitazionale terrestre che sono necessari per questo, derivano dalle missioni satellitari GRACE e GRACE-FO. Poiché questi set di dati includono solo le tipiche anomalie di massa su larga scala, nessuna conclusione su strutture su piccola scala, come l'effettiva distribuzione delle masse d'acqua nei fiumi e nei rami dei fiumi, sono possibili. Prendendo come esempio il continente sudamericano, i modellisti del sistema Terra presso il Centro di ricerca tedesco per le geoscienze GFZ, hanno sviluppato un nuovo metodo di apprendimento profondo, che quantifica le modifiche sia piccole che su larga scala allo stoccaggio dell'acqua con l'aiuto di dati satellitari. Questo nuovo metodo combina abilmente Deep-Learning, modelli idrologici e osservazioni della Terra da gravimetria e altimetria.

Finora non è noto con precisione, quanta acqua immagazzina realmente un continente. Anche le masse d'acqua continentali sono in continua evoluzione, influenzando così la rotazione della Terra e fungendo da collegamento nel ciclo dell'acqua tra atmosfera e oceano. affluenti dell'Amazzonia in Perù, Per esempio, trasportare enormi quantità di acqua in alcuni anni, ma solo una frazione di esso negli altri. Oltre alle masse d'acqua dei fiumi e di altri corpi di acqua dolce, notevoli quantità di acqua si trovano anche nel suolo, neve e serbatoi sotterranei, difficili da quantificare direttamente.

Ora il team di ricerca attorno all'autore principale Christopher Irrgang ha sviluppato un nuovo metodo per trarre conclusioni sulle quantità di acqua immagazzinata del continente sudamericano dai dati satellitari risolti grossolanamente. "Per il cosiddetto downscaling, stiamo usando una rete neurale convoluzionale, in breve CNN, in connessione con un metodo di formazione di nuova concezione, " Irrgang dice. "Le CNN sono particolarmente adatte per l'elaborazione di osservazioni spaziali della Terra, perché possono estrarre in modo affidabile modelli ricorrenti come linee, bordi o forme e caratteristiche più complesse."

Per apprendere la connessione tra l'accumulo di acqua continentale e le rispettive osservazioni satellitari, la CNN è stata addestrata con dati di simulazione di un modello idrologico numerico nel periodo dal 2003 al 2018. Inoltre, per la convalida sono stati utilizzati i dati dell'altimetria satellitare nella regione amazzonica. Ciò che è straordinario, è che questa CNN si autocorregge e si autoconvalida continuamente al fine di rendere le dichiarazioni più accurate possibili sulla distribuzione dello stoccaggio dell'acqua. "Questa CNN combina quindi i vantaggi della modellazione numerica con l'osservazione della Terra ad alta precisione" secondo Irrgang.

Lo studio dei ricercatori mostra che il nuovo Deep-Learning-Method è particolarmente affidabile per le regioni tropicali a nord dei -20° di latitudine del continente sudamericano, dove foreste pluviali, si trovano vaste acque superficiali e anche grandi bacini sotterranei. Come per le acque sotterranee ricche, parte occidentale della punta meridionale del Sud America. Il ridimensionamento funziona meno bene nelle regioni aride e desertiche. Ciò può essere spiegato dalla variabilità relativamente bassa del già basso accumulo di acqua lì, che quindi hanno solo un effetto marginale sull'addestramento della rete neurale. Però, per la regione amazzonica, i ricercatori sono stati in grado di dimostrare che la previsione della CNN convalidata era più accurata del modello numerico utilizzato.

In futuro, saranno urgentemente necessarie analisi e previsioni su larga scala e regionali sullo stoccaggio dell'acqua continentale globale. L'ulteriore sviluppo di modelli numerici e la combinazione con innovativi metodi di apprendimento profondo assumeranno un ruolo più importante in questo, al fine di ottenere una visione completa dell'idrologia continentale. A parte le indagini puramente geofisiche, ci sono molte altre possibili applicazioni, come lo studio dell'impatto del cambiamento climatico sull'idrologia continentale, l'identificazione di fattori di stress per gli ecosistemi quali siccità o inondazioni, e lo sviluppo di strategie di gestione dell'acqua per le regioni agricole e urbane.