近日，中科院海洋所李曉峰課題組在耦合物理機(jī)制和人工智能算法研究全球內(nèi)孤立波傳播預(yù)報(bào)方面取得重要進(jìn)展，研究成果Satellite data-driven and knowledge-informed machine learning model for estimating global internal solitary wave speed發(fā)表于遙感領(lǐng)域頂級(jí)期刊Remote Sensing of Environment（IF=13.85）上。
海洋內(nèi)孤立波在全球海域分布廣泛，其傳播速度受多種因素影響，目前的理論模型存在局限性。遙感是海洋內(nèi)孤立波觀測(cè)的重要手段，可以通過(guò)多衛(wèi)星協(xié)同的準(zhǔn)同步觀測(cè)提取內(nèi)孤立波速度，但也存在匹配難、數(shù)據(jù)少和分布不均勻等問(wèn)題。
全球13個(gè)內(nèi)孤立波熱點(diǎn)海域分布（a）和內(nèi)孤立波在各海域的速度分布特征（b）
該研究基于長(zhǎng)期搜集的全球13個(gè)內(nèi)孤立波熱點(diǎn)海區(qū)的遙感數(shù)據(jù)，構(gòu)建了內(nèi)孤立波多源遙感匹配數(shù)據(jù)集。首次揭示了全球尺度內(nèi)孤立波速度隨潮汐變化的特征規(guī)律和各海域內(nèi)孤立波的速度特征分布。論文利用時(shí)空聚類算法，解決了遙感數(shù)據(jù)的空間分布失衡以及小樣本海域無(wú)法建模等問(wèn)題。在模型的構(gòu)建中充分考慮了內(nèi)孤立波傳播的物理機(jī)制。通過(guò)耦合物理機(jī)制和人工智能算法，構(gòu)建了高精度、魯棒性強(qiáng)的全球內(nèi)孤立波速度模型。
該全球內(nèi)孤立波速度模型可用于研究長(zhǎng)時(shí)序內(nèi)孤立波的速度分布特征，揭示不同水深內(nèi)孤立波速度的的變化規(guī)律，并在全球多個(gè)海域準(zhǔn)確的預(yù)報(bào)內(nèi)孤立波的傳播特征和形態(tài)變化。
基于構(gòu)建模型的不同海區(qū)內(nèi)孤立波預(yù)報(bào)結(jié)果
該研究表明，耦合物理機(jī)制和改進(jìn)人工智能模型算法都對(duì)模型精度的提升有重要的影響。人工智能技術(shù)作為一種蓬勃發(fā)展的新興技術(shù)，可以在復(fù)雜海洋現(xiàn)象的研究中建立快速、直接的映射關(guān)系，是復(fù)雜海洋現(xiàn)象研究和遙感信息挖掘的一種高效率工具和輕量化方法。
該研究由中科院海洋所張旭東副研究員和李曉峰研究員共同完成，研究得到了國(guó)家實(shí)驗(yàn)室“十四五”重大項(xiàng)目、中國(guó)科學(xué)院先導(dǎo)專項(xiàng)、山東省重大創(chuàng)新工程及國(guó)家自然科學(xué)基金項(xiàng)目等資助。
文章信息：
Xudong Zhang and Xiaofeng Li*. (2022). Satellite data-driven and knowledge-informed machine learning model for estimating global internal solitary wave speed. Remote Sensing of Environment, 283, 113328.
