UC San Diegos GOFLOW AI kartlägger småskaliga havsströmmar från vädersatellitbilder

Forskare ledda av Scripps Institution of Oceanography vid UC San Diego har utvecklat GOFLOW, en teknik för djupinlärning som omvandlar termiska bilder från geostationära vädersatelliter till högupplösta kartor över havsströmmar vid ytan. Tekniken avslöjar snabbrörliga fenomen under 10 kilometer som är avgörande för klimatet, värme- och koldioxidupptag samt marina ekosystem. Resultaten har publicerats i Nature Geoscience (DOI: 10.1038/s41561-026-01943-0).

Luc Lenain, oceanograf vid Scripps, och Kaushik Srinivasan (numera vid UCLA) ledde utvecklingen av GOFLOW – Geostationary Ocean Flow – efter att ha upptäckt dynamiska temperaturmönster i satellitdata från Mexikanska golfströmmen i Nordatlanten från 2023. Det neurala nätverket, som tränats på simulerade havsströmmar, analyserar faktiska sekvenser av termiska bilder från satelliter som GOES-East (tagna var femte minut) och spårar hur mönster böjs, sträcks och förflyttas för att härleda strömmarnas hastighet och riktning. Medförfattare är bland andra Roy Barkan (Tel Avivs universitet) och Nick Pizzo (University of Rhode Island), med finansiering från Office of Naval Research, NASA och Europeiska forskningsrådet. Till skillnad från traditionella polära satelliter (som återvänder var tionde dag), fartyg eller radar (med begränsad täckning), genererar GOFLOW timvisa kartor över småskaliga fenomen såsom virvlar som driver vertikal omblandning – något som tidigare endast kunde observeras i modeller. Validering mot fartygsdata från Mexikanska golfströmmen från 2023 visade på god överensstämmelse och överträffade topografibaserade metoder när det gäller upplösning. "Vädersatelliter har observerat havsytan i åratal", säger Lenain. "Genombrottet var att lära sig hur man förvandlar den tidslinjen till timvisa kartor över strömmar genom att spåra hur temperaturmönster böjs, sträcks och rör sig från en timme till nästa." Han påpekar att detta möjliggör faktiska observationer av intensiva strömmar som är centrala för studier om värme- och koldioxidupptag. Inga nya satelliter krävs, även om molntäcke förblir en utmaning. Teamet planerar en global expansion och har offentliggjort data och kod.

Relaterade artiklar

Ett omfattande atlantiskt havsströmssystem som reglerar det globala klimatet har saktat ner under nästan 20 års tid. Ny forskning ger direkta bevis på nedgången över ett stort område av Nordatlanten.

Rapporterad av AI

Ett amerikanskt företag har utvecklat autonoma havsbaserade plattformar för att hantera AI-beräkningsbehov med hjälp av vågkraftsel. Panthalassa meddelade förra veckan att projektet har säkrat 140 miljoner dollar i finansiering.

Niantic använder bilder fångade via Pokémon Go-appen för att träna Niantic Spatials geospatiala AI-modell. Modellen, byggd på 30 miljarder urbana bilder, möjliggör positionsnoggrannhet på centimeter-nivå för applikationer som leveransrobotar. Niantics villkor avslöjar att sådana bilder sparas som kartdata.

Rapporterad av AI

Forskare vid University of Wisconsin-Madison har använt avancerade plasmasimuleringar för att visa hur storskaliga magnetfält uppstår ur turbulenta flöden i rymden. Resultaten har publicerats i tidskriften Nature. De erbjuder en ny förklaring till de ordnade magnetiska strukturer som observerats över hela universum.

En AI-studie från Google omdirigerade hundratals American Airlines-flyg från USA till Europa, vilket minskade bildandet av kondensstrimmor som bidrar till den globala uppvärmningen. Den 17 veckor långa studien visade en 62-procentig minskning av synliga kondensstrimmor för optimerade rutter. Den totala minskningen av kondensstrimmor under hela studien var 11,6 procent.

Denna webbplats använder cookies

Vi använder cookies för analys för att förbättra vår webbplats. Läs vår integritetspolicy för mer information.
Avböj