详细内容或原文请订阅后点击阅览
人工智能以惊人的细节揭示隐藏的洋流
人工智能正在将气象卫星变成海洋隐藏洋流的实时跟踪器。科学家们创造了一种新方法来测量大片区域的海洋表面洋流，其细节比以前更详细。该方法被称为 GOFLOW（地球静止海洋流），利用深度学习来分析气象卫星捕获的热图像[...]
来源:SciTech日报人工智能正在将气象卫星变成海洋隐藏洋流的实时跟踪器。
科学家们创造了一种新方法来测量大片区域的海洋表面洋流，其细节比以前更加详细。该方法被称为 GOFLOW（地球静止海洋流），利用深度学习来分析已在轨道上的气象卫星捕获的热图像。由于该方法依赖于现有的卫星数据，因此无需新硬件即可在海洋观测方面取得重大进步。
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 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 领导。他们的工作发表在《自然地球科学》上。合著者特拉维夫大学的罗伊·巴坎（Roy Barkan）和罗德岛大学的尼克·皮佐（Nick Pizzo）也曾在斯克里普斯大学学习。资金来自美国宇航局海军研究办公室和欧洲研究委员会。
为什么洋流很重要
洋流是地球气候系统运作的核心。它们在地球周围传递热量，在大气和深海之间运输碳，并循环支持海洋生物的营养物质。它们还在搜索和救援任务以及跟踪石油泄漏等实际应用中发挥着重要作用。
尽管洋流很重要，但测量大面积洋流却极其困难。一些卫星通过观察海面高度的变化来间接估计洋流，但它们通常每 10 天左右才会重新访问同一位置，这种频率太低，无法捕获在数小时内出现和消失的洋流。船舶和沿海雷达系统可以检测快速变化，但仅限于相对较小的区域。
垂直混合的挑战
将卫星图像转化为当前地图
Lenain 注意到在这些温度模式中可以看到墨西哥湾流等主要洋流。这一观察引发了将可见温度变化转化为测量洋流的方法的想法。