海洋所在海洋三維溫鹽場反演重構(gòu)方面取得新進(jìn)展
近日,中科院海洋所尹寶樹研究團(tuán)隊在海洋三維溫鹽場反演重構(gòu)方面取得新進(jìn)展,研究成果在國際學(xué)術(shù)期刊FRONT MAR SCI(影響因子為5.24)發(fā)表。
海洋三維溫鹽場是海洋動力學(xué)研究的基礎(chǔ),反映了海洋中水的密度分布和運(yùn)動方式。準(zhǔn)確估計海洋的溫度和鹽度結(jié)構(gòu)有助于揭示海洋的環(huán)流系統(tǒng)、水團(tuán)形成和運(yùn)動路徑,進(jìn)而理解海洋動力學(xué)過程以及它們對氣候變化、海洋生態(tài)系統(tǒng)和全球循環(huán)的影響。但由于觀測技術(shù)的限制,目前仍難以實現(xiàn)三維高時空分辨率的溫度結(jié)構(gòu)的直接觀測,而衛(wèi)星遙感可以提供高時空覆蓋率多種海洋動力環(huán)境參數(shù)。因此,如何利用高分辨率的衛(wèi)星遙感資料結(jié)合Argo等觀測數(shù)據(jù)反演海洋內(nèi)部關(guān)鍵動力環(huán)境參數(shù)場已成為物理海洋學(xué)研究的重要內(nèi)容之一。
尹寶樹研究團(tuán)隊基于多源衛(wèi)星遙感表層數(shù)據(jù)(包括海表溫度、海表鹽度、海表高度和海表風(fēng)場等)以及Argo實測數(shù)據(jù),創(chuàng)新性地提出了一種基于Convolutional Block Attention Module-Convolutional Neural Network (CBAM-CNN)的新模型,能夠同時反演重構(gòu)出熱帶印度洋的三維溫鹽場。研究結(jié)果表明,CBAM-CNN模型在估計熱帶印度洋中的溫鹽場結(jié)構(gòu)方面明顯優(yōu)于傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型,具備出色的性能。此外,研究團(tuán)隊通過與Argo觀測數(shù)據(jù)的對比驗證,證實了CBAM-CNN模型在不同深度上估計海洋溫鹽場的準(zhǔn)確性,并展示該模型在利用海表數(shù)據(jù)捕捉觀測特征方面的有效性。研究還證實CBAM-CNN模型在季節(jié)性應(yīng)用方面表現(xiàn)出良好的適應(yīng)性。該研究成果將為我們深入了解海洋動力學(xué)、推動海洋環(huán)境變化研究,以及應(yīng)對全球氣候變化等提供重要支持。

熱帶印度洋三維溫鹽場反演重構(gòu)模型示意圖
該研究由中科院戰(zhàn)略性先導(dǎo)科技專項和國家自然科學(xué)基金委等共同資助完成。中科院海洋所副研究員齊繼峰為第一作者,研究員尹寶樹為通訊作者,合作者包括中科院海洋所副研究員李德磊和中科院南海所副研究員池建偉等。
論文鏈接:
https://www.frontiersin.org/articles/10.3389/fmars.2023.1181182/full
文章信息:
Qi, J.; Xie, B.; Li, D.; Chi, J.; Yin, B.; Sun, G. Estimating thermohaline structures in the tropical Indian Ocean from surface parameters using an improved CNN model. Front. Mar. Sci. 2023, 10, 1181182. https://doi.org/10.3389/fmars.2023.1181182
附件下載:
魯公網(wǎng)安備37020202001323號 | 古鎮(zhèn)口園區(qū)地址:青島市西海岸新區(qū)海軍路88號 南海路園區(qū)地址:青島市市南區(qū)南海路7號 科考船碼頭基地:青島市西海岸新區(qū)長江東路8號 |
郵編:266000 郵件:iocas@qdio.ac.cn 電話:0532-82898611 傳真:0532-82898612 |
