海洋所在“物理一致性”臺(tái)風(fēng)智能監(jiān)測(cè)方面取得新進(jìn)展
近日,中國(guó)科學(xué)院海洋研究所人工智能海洋學(xué)研究組在Journal of Geophysical Research: Machine Learning and Computation上發(fā)表最新研究成果,提出了一種知識(shí)引導(dǎo)的深度學(xué)習(xí)框架,實(shí)現(xiàn)了利用紅外衛(wèi)星云圖對(duì)熱帶氣旋中心、強(qiáng)度和風(fēng)圈半徑的同步、物理一致性監(jiān)測(cè)。這一方法為解決人工智能氣象應(yīng)用中常見(jiàn)的“物理不可解釋”與“物理不一致”問(wèn)題提供了新的解決方案。
熱帶氣旋監(jiān)測(cè)是防災(zāi)減災(zāi)的關(guān)鍵,但現(xiàn)有智能方法多采用“先定位、后估算”的串行模式,不僅易導(dǎo)致誤差累積,且常因忽略要素間的物理聯(lián)系而產(chǎn)生“物理不一致”現(xiàn)象(如弱臺(tái)風(fēng)被誤判為大風(fēng)圈),難以滿足業(yè)務(wù)化需求。
針對(duì)此難題,該研究構(gòu)建了名為知識(shí)引導(dǎo)的通用臺(tái)風(fēng)監(jiān)測(cè)模型(KG-TCM)的智能監(jiān)測(cè)框架,以未對(duì)齊的紅外衛(wèi)星云圖作為輸入,通過(guò)包含局部相對(duì)位置編碼(LRPE)的主干網(wǎng)絡(luò)提取多尺度空間特征,隨后經(jīng)由共享特征提取模塊分流至中心定位、強(qiáng)度反演和風(fēng)圈半徑反演三個(gè)任務(wù)分支??蚣芤蔡貏e引入了跨分支關(guān)聯(lián)學(xué)習(xí)(CBCL)模塊以強(qiáng)化任務(wù)間的信息交互,并結(jié)合知識(shí)引導(dǎo)的損失函數(shù)進(jìn)行物理約束,最終在一次前向傳播中實(shí)現(xiàn)對(duì)臺(tái)風(fēng)三大核心要素的同步與物理一致性監(jiān)測(cè)。研究創(chuàng)新性地將物理先驗(yàn)知識(shí)“嵌入”模型,顯式約束了臺(tái)風(fēng)中心緯度(表征科氏力)、強(qiáng)度與風(fēng)圈半徑之間的動(dòng)力學(xué)依賴關(guān)系。這一設(shè)計(jì)迫使智能模型遵循大氣動(dòng)力學(xué)規(guī)律,有效解決了純數(shù)據(jù)驅(qū)動(dòng)模型的物理不一致問(wèn)題,為構(gòu)建物理可解釋的海洋氣象智能監(jiān)測(cè)系統(tǒng)提供了關(guān)鍵支撐。

圖 1 知識(shí)引導(dǎo)的通用臺(tái)風(fēng)監(jiān)測(cè)模型(KG-TCM)框架
論文第一作者為中國(guó)科學(xué)院海洋研究所博士后王充,通訊作者為李曉峰研究員。研究獲得國(guó)家自然科學(xué)基金等項(xiàng)目資助。
論文信息:
Wang, C., and Li, X*. (2026). Physically consistent tropical cyclone monitoring from infrared satellite imagery via knowledge-guided deep learning. Journal of Geophysical Research: Machine Learning and Computation, 3(1), e2025JH000875.
https://doi.org/10.1029/2025JH000875
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 |
