Deep learning to infer eddy heat fluxes from sea surface height patterns of mesoscale turbulence

Szczegóły
Opis

Tytuł:: Deep learning to infer eddy heat fluxes from sea surface height patterns of mesoscale turbulence
Autorzy:: Tom M. George
Georgy E. Manucharyan
Andrew F. Thompson
Temat:: Science
Źródło:: Nature Communications, Vol 12, Iss 1, Pp 1-11 (2021)
Wydawca:: Nature Portfolio, 2021.
Rok publikacji:: 2021
Kolekcja:: LCC:Science
Typ dokumentu:: article
Opis pliku:: electronic resource
Język:: English
ISSN:: 2041-1723
Relacje:: https://doaj.org/toc/2041-1723
DOI:: 10.1038/s41467-020-20779-9
Dostęp URL:: https://doaj.org/article/c7651d6337f64a0bb9c40bf8010fa9bc Link otwiera się w nowym oknie
Numer akcesji:: edsdoj.7651d6337f64a0bb9c40bf8010fa9bc
: Czasopismo naukowe

Full Text Finder

Eddy heat fluxes crucially affect large-scale oceanic currents but are challenging to monitor on a global scale. Here the authors develop a Deep Learning model to predict the eddy heat fluxes from sea surface height data only, bypassing the need for simultaneous observations of the deep ocean.

Informacja