海洋所在南極海冰預(yù)測網(wǎng)絡(luò)(SIPN South)項目中創(chuàng)佳績
近日,國際合作項目《南極海冰預(yù)測網(wǎng)絡(luò)(SIPN South)》發(fā)布了最新的夏季海冰預(yù)測評估報告,由李曉峰研究員團隊開發(fā)的基于AI的海洋所IOCAS-SIPNet模型,在15個參賽模型中脫穎而出,名列第三,超越了美國、英國、加拿大和意大利等多國的海冰預(yù)測模型。
SIPN South 項目2017年開始舉辦,已成功舉辦7次,旨在評估當前國際上各類型模型對南極夏季海冰的預(yù)測能力,為海冰預(yù)測的發(fā)展和應(yīng)用提供科學(xué)依據(jù)和技術(shù)支持,今年吸引了來自不同國家的15個單位或個人參加,海洋所首次參賽。模型包括動力模式、AI模型和傳統(tǒng)統(tǒng)計模型,以2023年11月30日前的數(shù)據(jù)進行訓(xùn)練,對2023年12月1日至2024年2月28日(未來90天)每日海冰密集度和面積進行預(yù)測。模型評價以美國NSIDC-0081和歐洲氣象衛(wèi)星組織OSI-401-b海冰密集度衛(wèi)星觀測數(shù)據(jù)為真值。

圖1?各模型2023年12月至2024年2月南極海冰面積每日預(yù)測結(jié)果
圖1為各模型2023年12月至2024年2月每天的南極海冰面積預(yù)測結(jié)果,模型之間的預(yù)測差異顯著,尤其在預(yù)測期的起始階段。IOCAS-SIPNet模型與OSI-401-b衛(wèi)星數(shù)據(jù)吻合度最高,且在12月15日后與NSIDC-0081數(shù)據(jù)也高度契合,表明其在時間維度上的預(yù)測能力較強。此外,IOCAS-SIPNet在空間維上表現(xiàn)同樣出色,被官方評為與衛(wèi)星觀測數(shù)據(jù)最一致的模型之一。
SIPN South項目進一步采用了連續(xù)等級概率評分(CRPS)作為評價指標,對所有模型的偏差進行評價。該指標會懲罰有偏差或過度分散的預(yù)測,CRPS值越小表明模型預(yù)測技巧越高。海洋所的IOCAS-SIPNet模型在CRPS評分中排名第三(圖2),且與前兩名分數(shù)相近,超過了普林斯頓大學(xué)、哥倫比亞大學(xué)、美國國家冰雪數(shù)據(jù)中心、NOAA、英國氣象局、倫敦大學(xué)學(xué)院、加拿大環(huán)境與氣候變化部和意大利氣候變化研究中心的海冰預(yù)測模型。
?
圖2 2024年2月各模型海冰面積的連續(xù)等級概率評分(值越小,模型技巧越高)
此次參賽由中國科學(xué)院海洋研究所王云鶴副研究員、任沂斌副研究員和李曉峰研究員負責,項目得到了中國科學(xué)院戰(zhàn)略先導(dǎo)科技專項和國家自然科學(xué)基金的資助。
相關(guān)報告和文章:
1.?SIPN South 2023-2024 Postseason Report(鏈接:https://fmassonn.github.io/sipn-south.github.io/doc/2023-2024/SIPNSouth_2023-2024_postseason.pdf)
2.?Yunhe Wang, Xiaojun Yuan, Yibin Ren, Mitchell Bushuk, Qi Shu, Cuihua Li, Xiaofeng Li. Subseasonal Prediction of Regional Antarctic Sea Ice by a Deep Learning Model. Geophysical Research Letters, 2023, 50(17), e2023GL104347. https://doi.org/10.1029/2023GL104347
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 |
