
AI工具助力海洋洋流图绘制
海洋洋流模式的变化塑造了我们的气候和天气。即便在今天,要了解洋流的行为依然颇具挑战。不过,研究人员已经开发出一种AI工具,它能够以前所未有的详细程度绘制大片海洋的洋流图。来自加州大学圣地亚哥分校的团队于4月13日在《自然地球科学》杂志上发表了他们的研究成果。他们利用气象卫星的热成像数据训练了一个AI网络,这种方法被他们称为GOFlow(地球静止海洋流)。
加州大学圣地亚哥分校斯克里普斯海洋研究所的海洋学家、该研究的第一作者卢克·勒南(Luc Lenain)告诉CNET:“现在,我们可以从太空以比以往更高的细节和频率观测那些变化迅速的小洋流。这些洋流很重要,因为它们有助于控制热量、碳、营养物质和污染物在海洋中的流动。”
潮起潮落:GOFlow的诞生
几年前,勒南在查看北大西洋的热卫星图像时,注意到了诸如墨西哥湾流等主要洋流温度变化的视觉模式。他萌生了一个新想法,即通过将肉眼所见转化为AI工具来测量洋流。
研究人员先用模拟洋流数据对GOFlow神经网络进行训练,然后将其应用于气象卫星的真实图像。该AI工具利用卫星图像追踪海面温度,而海面温度会因底层洋流而发生变化。通过追踪图像中的温度变化,GOFlow可以推断出是哪种洋流导致了这些变化。
研究团队将他们的研究结果与墨西哥湾流区域船只收集的数据进行了比对。他们还将GOFlow的结果与更传统的依靠追踪海面高度变化的卫星方法进行了测试。研究人员发现,他们的输出结果与其他船只和卫星的结果相吻合,而且他们表示,GOFlow对洋流的细节呈现比以往仅在计算机模型中记录的还要详细。
勒南说:“这类由AI驱动的方法并不会取代物理学。相反,AI正在帮助我们提取卫星观测中已经存在但到目前为止用传统方法难以获取的物理信息。”
俯瞰视角:GOFlow的局限与未来
尽管GOFlow取得了一定成就,但研究人员指出,该工具存在一些局限性,比如云层覆盖:阴天会阻挡卫星对海洋的观测。他们表示,未来的工作将整合更多卫星数据来填补这些空白。研究人员开发的计算机代码将公开,以助力后续研究。
勒南说:“我们希望这项工作具有透明度、可重复性,并对更广泛的群体有用。我们将GOFlow视为迈向更常规地结合机器学习使用大型遥感数据集的一块垫脚石。”
收集卫星图像以了解洋流是地球观测的一个例子。政府、军队、农民和保险公司都依靠这些数据来进行决策。
GOFlow项目是更大的AI趋势的一部分,因为AI工具可以加快数据分析速度并提高其准确性。美国国家航空航天局(NASA)、欧洲航天局和私人航天公司已经开始构建和测试能够分析此类数据的AI工具。 ”



被折叠的 条评论
为什么被折叠?



