Sabiia Seb
PortuguêsEspañolEnglish
Embrapa
Home Itens selecionados Provedores de dados OAI Créditos Sobre Ajuda
        Busca avançada

Botão Atualizar

Botão Atualizar

Ordenar por: 

RelevânciaAutorTítuloAnoImprime registros no formato resumido
Registros recuperados: 1
Primeira ... 1 ... Última
Imagem não selecionada

Imprime registro no formato completo
A Deep Learning approach to spatiotemporal SSH interpolation and estimation of deep currents in geostrophic ocean turbulence ArchiMer
Manucharyan , Georgy E.; Siegelman , Lia; Klein, Patrice.
Satellite altimeters provide global observations of sea surface height (SSH) and present a unique dataset for advancing our theoretical understanding of upper ocean dynamics and monitoring its variability. Considering that mesoscale SSH patterns can evolve on timescales comparable to or shorter than satellite return periods, it is challenging to accurately reconstruct the continuous SSH evolution as currently available altimetry observations are still spatially and temporally sparse. Here we explore the possibility of SSH interpolation via Deep Learning by using synthetic observations from an idealized quasigeostrophic (QG) model of baroclinic ocean turbulence. We demonstrate that Convolutional Neural Networks with Residual Learning are superior in SSH...
Tipo: Text Palavras-chave: Baroclinic instability; Deep Learning; Deep ocean flows; Mesoscale eddies; Sea surface height interpolation; State estimation.
Ano: 2021 URL: https://archimer.ifremer.fr/doc/00663/77502/79235.pdf
Registros recuperados: 1
Primeira ... 1 ... Última
 

Empresa Brasileira de Pesquisa Agropecuária - Embrapa
Todos os direitos reservados, conforme Lei n° 9.610
Política de Privacidade
Área restrita
Embrapa
Parque Estação Biológica - PqEB s/n°
Brasília, DF - Brasil - CEP 70770-901
Fone: (61) 3448-4433 - Fax: (61) 3448-4890 / 3448-4891 SAC: https://www.embrapa.br/fale-conosco

Valid HTML 4.01 Transitional