佳文赏析｜基于大数据的人工智能海洋学预报

主题词

大数据、人工智能、海洋学预报、

海表温度、时空演变

长期以来对海洋现象的模拟和预报主要依赖于基于物理方程的数值模式，其挑战之一需要在数值模式中充分考虑与复杂海洋现象相关的各种自然过程及其相互作用。当前海洋卫星遥感的大数据趋势不仅为海洋科学的深入探索提供了前所未有的黄金机会，同时也对海洋时序观测信息挖掘方法的发展提出了迫切需求。

针对上述挑战及需求，中国科学院海洋研究所李晓峰研究员领衔的国内多家海洋科研单位人员组成的人工智能海洋学团队，以热带不稳定波相关联的海表温度场为例，在国际上首次研发了卫星遥感大数据驱动的人工智能海洋学预报模型，并在针对热带不稳定波相关的海表温度时空演变预报方面取得重要进展。

论文标题

Purely satellite data-driven deep learning forecast of complicated tropical instability waves

发表期刊

Science Advances

论文全文链接

https://advances.sciencemag.org/content/6/29/eaba1482

 研究背景 

海表温度作为卫星观测历史最悠久的海洋环境要素之一，被广泛应用于揭示各种海洋现象和物理机制。太平洋热带不稳定波是重要的复杂海洋现象，它从非线性的、带混沌性的水动力不稳定过程中汲取能量，其伴随的海表温度场沿赤道向西传播并发生显著的形变，并对上空大气产生显著影响。

热带不稳定波的强度和传播速度受季节和El Niño/La Niña等气候现象的调制，其海表温度场与各种海洋物理、海—气、海洋生物—物理及气候变化等过程都有相互作用，从而产生气候效应，因此一直是国际上重点关注的关键海气现象之一。

热带不稳定波的数值建模及其预报不仅要求极高的空间分辨率，同时也需要对各种相关复杂自然过程尽可能真实的参数化表征，对其准确预报是目前数值模式的一大挑战。

研究思路

深度学习作为人工智能领域新兴的、最具影响力的数据信息挖掘手段，在众多领域中已取得了优于传统手段的瞩目成功。同时，海洋卫星遥感的大数据趋势为驱动深度学习在海洋领域中的应用提供了“数据”燃料。

本文建立了多尺度网络结构的深度学习预报模型（图1），模型仅以当前和过去时刻的热带不稳定波海表温度场为输入量，即可输出未来时刻的海表温度场。该模型直接以卫星遥感数据为驱动，避免了数值建模的物理方程、模型近似和参数化等繁杂过程以及巨大的计算机资源需求。

图1  基于海洋遥感大数据的深度学习预报模型架构

 研究结果 

 通过对9年（2010—2019）数据的长期测试结果显示：该模型高效、准确地预报了热带不稳定波海表温度场的复杂演变过程，成功地捕捉了热带不稳定波传播的时空变化特征（图2）。

图2 卫星观测的热带不稳定波海表温度场（A — C）、深度学习预报的海表温度场（D — F）的时空演变

 主要发现 

●  在大数据背景下，基于人工智能的纯数据驱动海洋信息来构建针对复杂海洋现象的模型与预报方法的挖掘，是可靠、可行的，具有广阔的应用前景。

●  本文方法与传统数值模式优势互补，两者有机结合可望成为针对复杂海洋-大气现象研究的新范式。

更多信息

详见论文

通

信

作

者

李晓峰，中国科学院海洋研究所研究员，主要从事卫星海洋学、海洋遥感、人工智能海洋学方向的研究。

E-mail: [e-mail]

合作作者

郑罡，自然资源部第二海洋研究所副研究员，主要从事海洋遥感、人工智能海洋学方向的研究。

张荣华，中国科学院海洋研究所研究员，主要从事物理海洋学、气候模式方向的研究。

柳彬，上海海洋大学博士，主要从事图像信息挖掘、人工智能海洋学方向的研究。

转载自遥感学报

经作者授权转载

文章仅代表作者观点，与本公众号无关，版权归原作者所有

原文标题：好文推荐 | 基于大数据的人工智能海洋学预报

责任编辑：罗煜湘

审编：王佳雯

终审： 顾伟男   田巍   梁龙武

猜你喜欢

扫描二维码，关注我们

 我要睁大眼睛看看，是哪个小可爱也【在看】鸭~