海洋所在海洋障礙層結(jié)構(gòu)反演重構(gòu)方面取得新進(jìn)展
近日,中國科學(xué)院海洋研究所尹寶樹研究團(tuán)隊與美國加利福尼亞大學(xué)洛杉磯分校(UCLA)的學(xué)者攜手合作,針對海洋障礙層結(jié)構(gòu)反演重構(gòu)方面取得新進(jìn)展,研究成果在英國物理學(xué)會學(xué)術(shù)期刊Environmental Research Communications上發(fā)表。
海洋障礙層位于海洋的密度混合層底部與溫度等溫層頂部之間,其厚度變化對海洋的垂直混合過程產(chǎn)生直接影響,進(jìn)而調(diào)控海表溫度和海-氣交互作用。障礙層的變化會影響熱量和鹽分在海洋內(nèi)部的輸運(yùn),從而對局地天氣氣候產(chǎn)生影響,包括熱帶氣旋的生成和強(qiáng)度、降水模式的變化,以及更大尺度的氣候現(xiàn)象如厄爾尼諾-南方濤動(ENSO)和印度洋偶極現(xiàn)象(IOD)。由于觀測技術(shù)的局限性,目前獲取高質(zhì)量的海洋障礙層結(jié)構(gòu)實(shí)測數(shù)據(jù)仍然具有挑戰(zhàn)性。因此,利用高分辨率的衛(wèi)星遙感資料與實(shí)測數(shù)據(jù)相結(jié)合來反演重構(gòu)海洋內(nèi)部關(guān)鍵結(jié)構(gòu),已經(jīng)成為物理海洋學(xué)研究中的一項(xiàng)重要課題。
尹寶樹團(tuán)隊采用先進(jìn)的元學(xué)習(xí)技術(shù),成功集成了卷積神經(jīng)網(wǎng)絡(luò)(CNN)、門控循環(huán)單元(GRU)和人工神經(jīng)網(wǎng)絡(luò)(ANN)三種機(jī)器學(xué)習(xí)模型,提出了一種新穎的多模型集成方法,從而顯著提升了海洋障礙層結(jié)構(gòu)的反演精度。通過利用海表溫度(SST)、海表鹽度(SSS)和海表風(fēng)速(SSW)等關(guān)鍵海表環(huán)境要素,研究團(tuán)隊能夠準(zhǔn)確地重構(gòu)出海洋障礙層結(jié)構(gòu)。這一研究成果不僅突破了傳統(tǒng)觀測技術(shù)和數(shù)值模型的局限性,更展示了機(jī)器學(xué)習(xí),尤其是元學(xué)習(xí)在海洋學(xué)研究中所擁有的巨大潛力和廣闊應(yīng)用前景。此外,該研究對于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)對全球氣候變化均提供了寶貴的支持與貢獻(xiàn),具有顯著的學(xué)術(shù)價值和廣泛的實(shí)際應(yīng)用前景。
該研究得到了國家重點(diǎn)研發(fā)計劃和國家自然科學(xué)基金共同資助。中國科學(xué)院海洋研究所齊繼峰副研究員為第一作者,合作者包括美國加州大學(xué)洛杉磯分校曲堂棟研究員和中國科學(xué)院海洋研究所尹寶樹研究員。
文章信息:
Qi, Jifeng, Tangdong Qu, and Baoshu Yin. Meta-learning-based Estimation of the Barrier Layer Thickness in the Tropical Indian Ocean. Environ. Res. Commun. 5 091005. https://doi.org/10.1088/2515-7620/acf9e1
https://iopscience.iop.org/article/10.1088/2515-7620/acf9e1

基于Meta-learning模型的印度洋障礙層反演重構(gòu)模型示意圖
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 |
