海洋所在海洋中尺度渦三維溫鹽結(jié)構(gòu)智能重構(gòu)研究中取得新進(jìn)展
近日,海洋所李曉峰研究團(tuán)隊(duì)基于多源遙感數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù),有機(jī)耦合人工智能技術(shù)與物理先驗(yàn)知識(shí),突破了海洋實(shí)測(cè)數(shù)據(jù)時(shí)空分布稀疏的限制,顯著提升了反演精度與模型的泛化能力,實(shí)現(xiàn)高時(shí)空分辨率的中尺度渦三維溫鹽結(jié)構(gòu)重構(gòu)。該研究成果在遙感領(lǐng)域國(guó)際期刊IEEE Transactions on Geoscience and Remote Sensing發(fā)表。
中尺度渦旋廣泛存在于全球大洋和邊緣海中,對(duì)海洋能量、熱量、質(zhì)量以及營(yíng)養(yǎng)物質(zhì)和化學(xué)元素的輸送具有關(guān)鍵作用。深入研究中尺度渦的三維結(jié)構(gòu),對(duì)理解全球海洋的物質(zhì)和能量輸運(yùn)、海洋動(dòng)力過(guò)程及生態(tài)系統(tǒng)有重要意義。然而,由于海洋實(shí)測(cè)數(shù)據(jù)的稀缺,開展高時(shí)空分辨率的渦旋三維觀測(cè)仍面臨巨大挑戰(zhàn)。人工智能具有其強(qiáng)大的特征提取和非線性表達(dá)能力,研究團(tuán)隊(duì)已在基于人工智能的中尺度渦的識(shí)別、分類等研究中取得了顯著進(jìn)展,為基于多源遙感數(shù)據(jù)的中尺度渦三維溫鹽結(jié)構(gòu)反演提供了新的解決方案。
本研究中,團(tuán)隊(duì)創(chuàng)新性地開發(fā)了耦合物理先驗(yàn)知識(shí)和人工智能技術(shù)的中尺度渦三維溫鹽結(jié)構(gòu)反演模型——3D-EddyNet(圖1)。該模型通過(guò)多分支網(wǎng)絡(luò)分別輸入海表遙感數(shù)據(jù)和渦旋物理知識(shí),并引入了CBAM注意力機(jī)制。研究表明,在模型中引入物理知識(shí)能夠顯著提升模型反演精度。與現(xiàn)有的溫鹽反演模型相比,3D-EddyNet的R2值提高了10%-20%,均方根誤差(RMSE)降低了20%-40%(表1)。

圖1. 嵌入物理先驗(yàn)知識(shí)的中尺度渦三維溫鹽結(jié)構(gòu)反演模型
表1. 不同模型反演的反氣旋渦和氣旋渦溫鹽結(jié)構(gòu)的R2和RMSE

基于訓(xùn)練完成的3D-EddyNet模型,研究團(tuán)隊(duì)對(duì)黑潮延伸體(KE)和親潮(OC)區(qū)域中未包含Argo剖面的渦旋進(jìn)行了深入分析,驗(yàn)證了模型的廣泛適用性。3D-EddyNet模型反演的KE和OC區(qū)域內(nèi)反氣旋渦和氣旋渦的溫鹽結(jié)構(gòu)與已有研究結(jié)果高度一致,充分證明了該模型在準(zhǔn)確捕捉渦旋內(nèi)溫鹽垂向變化以及中心到邊緣水平變化方面的優(yōu)越性(圖2)。此外,利用3D-EddyNet對(duì)2000至2015年KE和OC海域渦旋溫鹽結(jié)構(gòu)進(jìn)行重構(gòu),其結(jié)果與ARMOR3D再分析數(shù)據(jù)的重構(gòu)結(jié)果具有較高一致性(圖3),進(jìn)一步表明3D-EddyNet在重建渦旋三維結(jié)構(gòu)方面展現(xiàn)了出色的泛化能力??傮w而言,3D-EddyNet為高時(shí)空分辨率的中尺度渦三維溫鹽結(jié)構(gòu)研究提供了強(qiáng)有力的工具,能夠有效幫助準(zhǔn)確評(píng)估中尺度渦在全球海洋物質(zhì)和能量輸送中的作用,同時(shí)為其他海洋現(xiàn)象的數(shù)據(jù)重構(gòu)和參數(shù)反演提供了新的方法與思路。

圖2. 基于3D-EddyNet重構(gòu)的黑潮延伸體(KE)反氣旋渦(a-b)與氣旋渦(c-d)三維溫鹽結(jié)構(gòu),以及親潮海域(OC)反氣旋渦(e-f)與氣旋渦(g-h)三維溫鹽結(jié)構(gòu)

圖3. 黑潮延伸體(KE,a-b)和親潮(OC,c-d)內(nèi)氣旋渦(藍(lán)色)和反氣旋渦(紅色)平均溫鹽異常垂直剖面,其中實(shí)線表示基于3D-EddyNet反演的結(jié)果,虛線表示基于ARMOR3D重構(gòu)的結(jié)果
論文第一作者為中國(guó)科學(xué)院海洋研究所助理研究員劉穎潔,通訊作者為李曉峰研究員,合作者包括中國(guó)科學(xué)院海洋研究所研究生王浩宇和姜菲、天津大學(xué)周圓教授。該研究得到國(guó)家自然科學(xué)基金山東省聯(lián)合基金、國(guó)家自然科學(xué)青年基金、中國(guó)科學(xué)院B類先導(dǎo)專項(xiàng)等資助。
相關(guān)論文信息:
[1]Liu, Y., Wang, H., Jiang, F., Zhou, Y., & Li, X. (2024). Reconstructing Three-dimensional Thermohaline Structures for Mesoscale Eddies Using Satellite Observations and Deep Learning. IEEE Transactions on Geoscience and Remote Sensing, 62, 1-16, https://doi.org/10.1109/TGRS.2024.3373605.
[2] Liu, Y., & Li, X. (2023). Impact of surface and subsurface-intensified eddies on sea surface temperature and chlorophyll a in the northern Indian Ocean utilizing deep learning. Ocean Science, 19(6), 1579-1593,https://doi.org/10.5194/os-19-1579-2023.
[3] Liu, Y., Zheng, Q., & Li, X. (2021). Characteristics of global ocean abnormal mesoscale eddies derived from the fusion of sea surface height and temperature data by deep learning. Geophysical Research Letters, 48(17), e2021GL094772, https://doi.org/10.1029/2021GL094772.
附件下載:
魯公網(wǎng)安備37020202001323號(hào) | 古鎮(zhèn)口園區(qū)地址:青島市西海岸新區(qū)海軍路88號(hào) 南海路園區(qū)地址:青島市市南區(qū)南海路7號(hào) 科考船碼頭基地:青島市西海岸新區(qū)長(zhǎng)江東路8號(hào) |
郵編:266000 郵件:iocas@qdio.ac.cn 電話:0532-82898611 傳真:0532-82898612 |
