📄 معروضة نسخة «بسيط» — «مبسّط» غير جاهزة بعد. أضفه إلى المفضّلة للمساعدة في تسريعها. اطلب التحليل الكامل

المحيط المفتوح هو حوض ضخم لا يكاد أحد يقيس فيه الرياح بشكل مباشر. المنصات الثابتة نادرة ومكلفة، بينما تحتاج مقاييس التشتت الساتلية (أجهزة تستشعر السطح بالرادار) إلى بيانات أرضية للمعايرة. في المناطق الساحلية تتوفر هذه البيانات، لكن بعيدًا عن السواحل يوجد فراغ.

العوامة الانجرافية MELODI — وهي كرة صغيرة مزودة بمستقبل ملاحة ساتلية ومستشعر حركة — تحل هذه المشكلة بطريقة مختلفة. فهي لا تسجل ارتفاع الأمواج فحسب، بل تستمع إلى الطيف الكامل (مجموعة الترددات) للتسارعات التي تتعرض لها أثناء الطفو. في السابق، كانت العوامات المماثلة تستخدم نطاقًا ضيقًا واحدًا فقط من الترددات — "الجزء المتوازن" من الطيف، حيث تتوقف طاقة الأمواج عن النمو. وكان ذلك يعطي خطأ يتراوح بين 1–2 م/ث ويسبب ارتباكًا في الاتجاه عندما تكون الرياح ضعيفة. أما MELODI فتأخذ الصورة كاملة.

أولاً، يتم تدريب نموذج معقد على بيانات الأقمار الصناعية — وهو المعلم. هذا انحدار منتظم (طريقة ملائمة مع حماية من الإفراط في التكيف) مع تصحيح الأخطاء. يحقق خطأ يبلغ 0.9 م/ث — وهو عمليًا يكرر دقة الأقمار الصناعية نفسها. ثم، باستخدام الانحدار الرمزي، يتم "تقطير" المعلم إلى صيغ مدمجة يمكن تضمينها مباشرة في معالج العوامة. صيغة واحدة تعتمد فقط على طيف الأمواج (خطأ ~1.0 م/ث)، بينما تضيف الأخرى بيانات عن حركة العوامة الذاتية (0.93–0.94 م/ث).

يُستعاد اتجاه الرياح من عزم الأمواج — وهي خصائص عدم التماثل في التذبذبات ضمن نطاق أمواج الرياح. يبلغ الخطأ حوالي 9 درجات. وهذا مشابه للتباين بين الأقمار الصناعية المختلفة والعوامات الثابتة. في جوهر الأمر، تعلمت كرة صغيرة عائمة أن ترى الرياح مثل المنصات المدارية التي تبلغ تكلفتها ملايين الدولارات، وبشكل أدق بمرتين من سابقاتها. تُحدد الرياح حتى 18 م/ث بثقة، بينما تُعلَّم الهبات الأقوى على أنها غير موثوقة — فالعوامة تقول بصدق عندما تشك.