详细内容或原文请订阅后点击阅览
新的人工智能方法以前所未有的细节揭示洋流
科学家们开发了 GOFLOW，这是一种利用现有卫星热图像的深度学习来详细测量洋流的方法，从而加强海洋学研究并改进天气和气候模型。
来源:Scientific Inquirer科学家们开发出了一种新方法，可以比以往更详细地测量大面积的海洋表面洋流。该方法被称为 GOFLOW（地球静止海洋流），将深度学习应用于已在轨道上的气象卫星的热图像，不需要新硬件即可实现研究人员所说的海洋观测的重大进步。
这项研究由加州大学圣地亚哥分校斯克里普斯海洋学研究所的海洋学家 Luc Lenain 和现就职于加州大学洛杉矶分校的斯克里普斯校友 Kaushik Srinivasan 共同领导，今天发表在《自然地球科学》杂志上。该研究的另外两位合著者特拉维夫大学的罗伊·巴坎和罗德岛大学的尼克·皮佐也是斯克里普斯大学的校友。该项目得到了美国海军研究办公室、美国宇航局和欧洲研究委员会的资助。
洋流在塑造地球天气和气候、在全球范围内输送热量、在大气和海洋内部之间移动碳以及重新分配维持海洋生命的营养物质方面发挥着巨大作用。了解洋流对于搜救行动和追踪石油泄漏的动向也至关重要。然而，测量大片海洋区域的洋流仍然极具挑战性。一些卫星通过测量海面高度的变化来间接估计洋流，但它们通常每 10 天左右才会对同一位置进行成像，频率太低，无法跟踪在数小时内出现和消失的洋流。船基测量和沿海雷达系统可以捕捉快速变化，但仅限于有限的区域。
“多年来，气象卫星一直在观测海洋表面，”Lenain 说。 “突破在于通过跟踪温度模式从一小时到下一小时如何弯曲、拉伸和移动，学习如何将延时转化为每小时的电流图。”
图片来源：NASA。
斯坦福大学的研究人员开发了一种在体内传递光的无创方法......