海洋所在北極海冰智能預(yù)測研究中取得新進(jìn)展
近日,中國科學(xué)院海洋研究所李曉峰團(tuán)隊(duì)在北極海冰智能預(yù)測研究中取得新進(jìn)展,相關(guān)成果發(fā)表于地學(xué)模型領(lǐng)域國際權(quán)威期刊 Geoscientific Model Development。
北極海冰季節(jié)預(yù)測存在春季預(yù)測障礙,即在春季5月及以前對9月海冰范圍的預(yù)測技巧和精度偏低,而5月后對9月海冰預(yù)測的精度和技巧顯著提升。研究顯示,傳統(tǒng)的數(shù)值模式和統(tǒng)計(jì)模型海冰預(yù)測方法普遍存在海冰春季預(yù)測障礙現(xiàn)象。針對該問題,研究團(tuán)隊(duì)融合人工智能方法,構(gòu)建了面向季節(jié)尺度預(yù)測的北極海冰預(yù)測模型SICNetSeason,模型以Swin-Transformer為基本單元,融合海冰邊界約束、春季海冰厚度,實(shí)現(xiàn)未來6個(gè)月的北極海冰密集度預(yù)測。
實(shí)驗(yàn)發(fā)現(xiàn),在以4/5月為初始預(yù)測9月北極海冰范圍時(shí),與全球領(lǐng)先的ECMWF季節(jié)預(yù)測模式SEAS5相比,SICNetseason模型的預(yù)測技巧提升7%~10%(ACC),海冰邊界預(yù)測精度提升超過14%(BACC),顯著改善春季預(yù)測障礙(圖1)。春季的海冰厚度是關(guān)鍵因子,對改善海冰預(yù)測障礙的貢獻(xiàn)超過20%(圖2)。 該研究為北極海冰春季預(yù)測障礙提供了AI視角的改善方案,對提升北極9月的季節(jié)尺度海冰預(yù)測精度具有重要意義。

圖1?SICNetseason與季節(jié)預(yù)測模式SEAS5和Persistence相比,顯著改善春季預(yù)測障礙。以9月為目標(biāo),去趨勢的海冰邊界異常相關(guān)系數(shù)(Detrended ACC),在提前4~5個(gè)月的預(yù)測中,SICNetseason相比SEAS5提升7%~10%(e),BACC精度提升明顯(j)

圖2?對9月預(yù)測,加入春季厚度數(shù)據(jù)對超前4/5月的預(yù)測技巧(ACC)提升為41.18/21.56(c)
近年來團(tuán)隊(duì)研發(fā)了面向天氣至季節(jié)尺度的北極海冰AI預(yù)測系列模型SICNet,依托該模型連續(xù)參與國際海冰預(yù)測競賽,提前3個(gè)月對2024年9月北極海冰預(yù)測誤差為0.1百萬平方公里,排名3/22(圖3,SICNet_IOCAS)。

圖3?SICNet(SICNet_IOCAS)參與2024年9月國際海冰預(yù)測競賽,提前3個(gè)月預(yù)測結(jié)果排名3/22(https://www.arcus.org/files/sio/main/July_2024_SIO_Report.pdf)
論文第一作者為中國科學(xué)院海洋研究所任沂斌副研究員,通訊作者為李曉峰研究員,合作者為王云鶴副研究員。該研究獲得了國家自然科學(xué)基金等資助。
論文信息:
Ren,Y.,Li,X.,and Wang,Y.:SICNetseason V1.0: a transformer-based deep learning model for seasonal Arctic sea ice prediction by incorporating sea ice thickness data,Geosci. Model Dev.,18,2665–2678,https://doi.org/10.5194/gmd-18-2665-2025,2025.
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 |
