基於大數據的人工智慧海洋學預報研究取得進展

近日，由中國科學院海洋研究所研究員李曉峰領銜、國內多家海洋科研單位人員組成的人工智慧海洋學團隊，以熱帶不穩定波相關聯的海表溫度場為例，研發了以衛星遙感大數據驅動的針對海氣系統中複雜海洋現象的人工智慧預報模型，並在針對熱帶不穩定波相關的海表溫度時空演變預報方面取得研究進展。相關成果以Purely satellite data-driven deep learning forecast of complicated tropical instability waves為題，發表在Science Advances上。

長期以來，對海洋現象的模擬和預報主要依賴於基於物理方程的數值模式，其需在數值模式中充分考慮與複雜海洋現象相關的各種自然過程及其相互作用。當前，海洋衛星遙感的大數據趨勢為海洋科學的深入探索提供了契機，同時也對海洋時序觀測信息挖掘方法的發展提出迫切需求。海表溫度作為衛星觀測歷史最悠久的海洋環境要素之一，被廣泛應用於揭示各種海洋現象和物理機制。熱帶太平洋熱帶不穩定波是重要的複雜海洋現象，其從非線性的、帶混沌性的水動力不穩定過程中汲取能量，所伴隨的海表溫度場沿著赤道向西傳播並發生顯著的形變，對其上大氣產生顯著影響；同時，熱帶不穩定波強度和傳播速度等還受季節和厄爾尼諾/拉尼娜等氣候現象的調製。熱帶不穩定波的海表溫度場與各種海洋物理、海-氣、海洋生物-物理及氣候變化等過程都有相互作用，從而產生氣候效應，是國際上許多重點關注的關鍵海氣現象。熱帶不穩定波的數值建模及其預報不僅要求極高的空間解析度，還需要對各種相關複雜自然過程儘可能真實的參數化表徵，對其準確預報是目前數值模式面臨的挑戰。

該研究建立了多尺度網絡結構的深度學習預報模型，僅以當前和過去時刻的熱帶不穩定波海表溫度場為輸入量，就可輸出未來時刻的海表溫度場。模型直接以衛星遙感數據為驅動，避免了數值建模的物理方程、模型近似和參數化等繁雜過程以及計算機資源要求。9年（2010年至2019年）的數據長期測試結果顯示，該模型高效、準確預報了熱帶不穩定波海表溫度場的複雜演變過程，成功捕捉了熱帶不穩定波傳播的時空變化特徵。

研究表明，在大數據背景下，基於人工智慧的純數據驅動海洋信息來構建針對複雜海洋現象的模型與預報方法的挖掘是可靠和可行的，具有廣闊的應用前景。這種方法與傳統數值模式優勢互補，兩者有機的結合有望成為複雜海洋-大氣現象研究的新範式。該團隊近期還在National Science Review上發表綜述論文Deep-Learning-Based Information Mining From Ocean Remote Sensing Imagery，系統論述了深度學習在海洋遙感影像信息挖掘方面的前沿進展。

相關研究得到中科院海洋大科學研究中心、中科院戰略性先導科技專項、山東省重點研發計劃項目、國家自然科學基金等資助。

基於海洋遙感大數據的深度學習預報模型架構

衛星觀測的熱帶不穩定波海表溫度場（A至C）和深度學習預報的海表溫度場（D至F）的時空演變

來源：中國科學院海洋研究所