资料来源：地球物理研究杂志：海洋上的机器学习和计算云云对于低估气候动态的关键意义是有效反映阳光，否则否则会被海洋吸收。卫星数据是持续寻求更好地了解这种云的核心支柱，并具有演变的物理机制。在他们的新研究中，Tian et a。 [2025]通过机器学习方式利用对互补的数据源（基于地面的雷达观察的长度时间序列）的重点开发。在雷达数据中可以可靠地确定建立的基于卫星的云类别。然后，这使我们能够将雷达数据中包含的大量附加信息（从云高度到云液滴数量浓度浓度）上下文化。因此，这项研究扩大了可以共同利用的低级云的观察数据。一种可能从这项工作中受益的应用是对低水平云的更好理解的上述寻求。引起：Tian，J。，Comstock，J。，Geiss，A.，Wu，A.，Wu，P.，Silber，I.，Zhang，D。等。 （2025）。使用卷积神经网络的中尺度细胞对流检测和分类：来自北大西洋东部的长期观察的见解。地球物理研究杂志：机器学习与计算，2，E2024JH000486。 https://doi.org/10.1029/2024JH000486 - Doris Folini，编辑，JGR：机器学习和计算文本©2024。作者。 cc by-nc-nd 3.0 except（否则指出，图像都具有版权。未经版权所有者明确许可的任何重复使用将被禁止。相关