La IA GOFLOW de la UC San Diego mapea corrientes oceánicas a pequeña escala a partir de imágenes de satélites meteorológicos

Investigadores dirigidos por la Institución de Oceanografía Scripps de la UC San Diego han desarrollado GOFLOW, una técnica de aprendizaje profundo que convierte imágenes térmicas de satélites meteorológicos geoestacionarios en mapas de alta resolución de las corrientes de la superficie oceánica. El sistema revela características cambiantes de menos de 10 kilómetros que son vitales para el clima, la absorción de calor y carbono y los ecosistemas marinos; los resultados se han publicado en Nature Geoscience (DOI: 10.1038/s41561-026-01943-0).

Luc Lenain, oceanógrafo en Scripps, y Kaushik Srinivasan (ahora en la UCLA) lideraron el desarrollo de GOFLOW (Geostationary Ocean Flow) tras detectar patrones de temperatura dinámicos en los datos satelitales de la Corriente del Golfo del Atlántico Norte en 2023. La red neuronal, entrenada con corrientes oceánicas simuladas, analiza secuencias reales de imágenes térmicas de satélites como el GOES-East (capturadas cada cinco minutos), rastreando cómo se curvan, estiran y desplazan los patrones para deducir las velocidades y direcciones de las corrientes. Entre los coautores se encuentran Roy Barkan (Universidad de Tel Aviv) y Nick Pizzo (Universidad de Rhode Island), con financiación de la Oficina de Investigación Naval, la NASA y el Consejo Europeo de Investigación. A diferencia de los satélites tradicionales de órbita polar (que vuelven a pasar cada 10 días), los barcos o los radares (de cobertura limitada), GOFLOW genera mapas horarios de características a pequeña escala, como los remolinos que impulsan la mezcla vertical, algo que antes solo era observable mediante modelos. La validación con datos obtenidos por barcos en la Corriente del Golfo en 2023 mostró una gran coincidencia, superando en resolución a los métodos basados en la topografía. 'Los satélites meteorológicos llevan años observando la superficie del océano', señaló Lenain. 'El avance consistió en aprender a convertir ese lapso de tiempo en mapas horarios de corrientes mediante el seguimiento de cómo los patrones de temperatura se curvan, estiran y mueven de una hora a la siguiente'. Destacó que esto permite realizar observaciones reales de corrientes intensas que son clave para los estudios de absorción de calor y carbono. No se requieren nuevos satélites, aunque la cobertura de nubes sigue siendo un desafío. El equipo planea una expansión global y ha publicado públicamente los datos y el código.

Artículos relacionados

A major Atlantic Ocean current system that regulates global climate has been slowing down for nearly 20 years. New research provides direct evidence of the decline across a wide area of the North Atlantic.

Reportado por IA

A US company has developed autonomous ocean platforms to handle AI computing demands with wave-generated electricity. Panthalassa announced $140 million in funding last week for the project.

Niantic uses images captured through the Pokémon Go app to train Niantic Spatial's geospatial AI model. The model, built on 30 billion urban images, enables centimeter-level location precision for applications like delivery robots. Niantic's terms disclose that such images are banked as mapping data.

Reportado por IA

Researchers at the University of Wisconsin-Madison have used advanced plasma simulations to show how large-scale magnetic fields arise from turbulent flows in space. The findings were published in the journal Nature. They offer a new explanation for ordered magnetic structures observed across the universe.

A Google AI trial rerouted hundreds of American Airlines flights from the US to Europe, reducing contrail formation that contributes to global warming. The 17-week study showed a 62 per cent drop in visible contrails for optimised routes. Overall contrail reduction across the trial was 11.6 per cent.

Este sitio web utiliza cookies

Utilizamos cookies para análisis con el fin de mejorar nuestro sitio. Lee nuestra política de privacidad para más información.
Rechazar