– Å estimere slike gassflukser er ikke enkelt. Vi er virkelig i front med det vi gjør her, sier stipendiat Alouette van Hove ved UiOs Institutt for geofag.
Se for deg tundraen på Svalbard. Eller de store, frosne myrområdene i Sibir. I tusenvis av år har permafrosten sørget for at karbonet nede i myra har ligget i ro, men nå blir det varmere. Metan og CO2-gass løses ut. Nå stiger gassene opp fra bakken og ut i atmosfæren.
– Å kunne kartlegge flukser, eller utveksling, av drivhusgasser på jordoverflaten er nødvendig for å kunne kvalitetssikre og kalibrere klimamodellene, sier van Hove.
Mil etter mil med myrområder. Her, mellom den myrholdige bakken og lufta over, skjer det en utveksling, en fluks, av gasser. De er viktige brikker i det globale klimaregnskapet, men estimatene forskerne bruker i klimamodellene, er usikre.
At gassene tynnes ut så snart de kommer ut i luften og føres av gårde med vind og vær, gjør det ikke enklere. En del av løsningen kan være å måle utslippene nær bakken, ved hjelp av droner.
– Det vi kan gjøre, er å anslå eller estimere fluksene ved å gjøre observasjoner. Slik kan vi justere modellene med faktiske målinger, sier van Hove.
Intelligente målesystemer
Tenk deg at det er din oppgave å måle disse gassfluksene. Men området du ser ut over, er hundrevis av kvadratkilometer stort. Hvor er de? Hvor skal du måle?
– Gassene er usynlige, og de lukter ikke. De kan kun detekteres med en gassanalysator. Men har du et område på 100 ganger 100 kvadratkilometer, kan du ikke undersøke hver meter, sier forsker Norbert Pirk.
Han leder forskningsprosjektet Activate, som står for «Actively learning experimental design in terrestrial climate science». Prosjektet har som mål å forske på og utvikle intelligente målesystemer til bruk i klimaforskning.
Til å utføre de atmosfæriske målingene brukes droner. Disse skal brukes til å estimere utveksling av karbon, vann og energi mellom jordoverflaten og atmosfæren. Målingene kombineres med data fra satellitter, samt mobile eller faststasjonerte måleinstallasjoner.
– Vi er opptatt av samspillet mellom jordoverflaten og atmosfæren. Mellom disse skjer det en utveksling av viktige klimagasser. Denne utvekslingen er ikke homogent fordelt over kloden. Den foregår ofte i adskilte hotspots. Det er disse vi må finne, sier Pirk.
Endrer seg med vær og vind
Med seg i jakten på slike hotspots har forskerne dronelab'en til Universitetet i Oslo. Her står en rekke droner klare til å dra ut på oppdrag i klimaforskningens tjeneste. Men først må de få opplæring. Det har stipendiat van Hove sørget for.
– Man kan ikke bare gå inn i et område og gjøre et sveip med dronen. Det er rett og slett for mye å måle. Dessuten vil værforholdene gjøre at om man måler ti minutter senere, vil alt se annerledes ut.
For å komme fram til de mest presise estimatene for gassfluksene, må de måle på de mest ideelle eller informasjonsrike stedene og tidene.
– Vi må optimalisere tiden vi bruker med dronen, sier van Hove.
Hun har utviklet en metode der man bruker belønningsstyrt læring – «reinforcement learning» – for å lære opp dronene til selv å vite hvor de skal lete etter de beste stedene å måle.
Slik kan dronen lære om det å svinge den ene veien i stedet for den andre veien var en god beslutning.
– Det kan godt sammenlignes med å trene opp hunder. Vi bruker belønninger til å trene opp dronen til å velge den beste handlingen, sier van Hove.
Prøver, feiler og lærer
I praksis skjer det hele inne i et dataprogram, der dronenes belønninger ikke er annet enn en bestemt funksjon i programmet. Dronene kjøres i prøve- og feileforsøk, der de kan bevege seg innenfor et gitt område. I dette området kan dronene foreta et gitt antall handlinger. De kan bevege seg fram, tilbake, oppover, nedover og så videre, men de får ikke bevege seg ut av området.
– Så belønnes valg av handlinger som etter en bestemt tid fører til et resultat som er nærmest mulig sannheten, det vil si gassfluksen, sier van Hove.
Gjennom forsøk har van Hove kunnet vise at slike opptrente droner kan finne og måle slike hotspots av CO2-utslipp mer presist enn om dronen foretar et forhåndsprogrammert søk. Dette selv om dronen i det forhåndsprogrammerte søket er satt til å fly over CO2-kilden.
– Vi har vist at det er mulig å trene opp droner til å estimere en parameter, uten at vi må ha forhåndskunnskap om parameterens sanne verdi, sier hun.
Ut på tur
Nå skal de opptrente dronene få prøve seg i praksis. Om ikke lenge tar Pirk og van Hove med seg dronene til Svalbard.
– Nå skal vi prøve ut dronene ute i felten. Da skal de få øve seg på å ta avgjørelser mens de er i luften, sier Pirk.
Målet er å kunne sette dronene i arbeid på ulike observatorier i Arktis hvor det i dag er særlig mangel på observasjonsdata.
– Activate-prosjektet skal gå over fem år, og målekampanjene tenker jeg vil bli større og mer komplekse i løpet av prosjektet, sier Pirk, som ser for seg å ha 12 droner i sving på Svalbard sommeren 2025.
Artikkelen ble først publisert på Titan.uio.no