海洋所在海洋現(xiàn)象智能預(yù)報(bào)方法體系研究方面取得新進(jìn)展
近日,中國(guó)科學(xué)院海洋研究所李曉峰研究員和王凡研究員領(lǐng)銜在海洋現(xiàn)象智能預(yù)報(bào)方法體系研究方面取得重要進(jìn)展。研究系統(tǒng)梳理了海洋狀態(tài)變量(Ocean State Variables, OSV)預(yù)報(bào)與海洋現(xiàn)象(Ocean Phenomena, OP)預(yù)報(bào)的概念框架、研究進(jìn)展及其內(nèi)在聯(lián)系,并圍繞不同時(shí)間尺度和主導(dǎo)物理驅(qū)動(dòng)機(jī)制,總結(jié)了人工智能在海洋現(xiàn)象預(yù)報(bào)中的應(yīng)用進(jìn)展與發(fā)展趨勢(shì),進(jìn)一步展望了面向海洋現(xiàn)象預(yù)報(bào)的大型海洋模型(Large Ocean Model, LOM)發(fā)展方向,為發(fā)展現(xiàn)象級(jí)預(yù)報(bào)的瑯琊大模型2.0奠定理論基礎(chǔ)。相關(guān)成果發(fā)表于Science Bulletin。
研究指出,海洋預(yù)報(bào)總體可分為兩類:一類是OSV預(yù)報(bào),主要針對(duì)溫度、鹽度、流速、海表高度等基礎(chǔ)海洋要素的連續(xù)分布進(jìn)行預(yù)測(cè),通常采用均方根誤差等指標(biāo)評(píng)估精度;另一類是OP預(yù)報(bào),更關(guān)注臺(tái)風(fēng)、風(fēng)暴潮、渦旋、內(nèi)孤立波、ENSO等海洋事件的發(fā)生、發(fā)展與演變,可進(jìn)一步生成軌跡、概率分布和風(fēng)險(xiǎn)圖等面向應(yīng)用的產(chǎn)品,并通過交并比、軌跡誤差等面向?qū)ο笾笜?biāo)進(jìn)行評(píng)價(jià)。相比OSV預(yù)報(bào),OP預(yù)報(bào)與防災(zāi)減災(zāi)、資源管理和社會(huì)服務(wù)聯(lián)系更為緊密,服務(wù)對(duì)象不僅包括科研人員,還涵蓋政府管理部門、行業(yè)用戶和社會(huì)公眾。研究構(gòu)建了OSV與OP預(yù)報(bào)的總體框架,如圖1所示。
進(jìn)一步地,研究將海洋現(xiàn)象按照主導(dǎo)物理驅(qū)動(dòng)機(jī)制和時(shí)間尺度劃分為三類:小時(shí)至天尺度的大氣強(qiáng)迫高頻災(zāi)害過程、天至周尺度的海洋內(nèi)部中尺度與波動(dòng)動(dòng)力過程,以及月至年尺度的海氣-冰凍圈耦合模態(tài)。圍繞不同尺度海洋現(xiàn)象的智能預(yù)報(bào),論文系統(tǒng)總結(jié)了當(dāng)前代表性研究進(jìn)展,分析了現(xiàn)階段在多源數(shù)據(jù)融合、跨尺度建模、物理一致性和泛化應(yīng)用等方面面臨的關(guān)鍵挑戰(zhàn),并提出了未來(lái)發(fā)展方向。

圖1?基于人工智能的海洋現(xiàn)象預(yù)報(bào)總體框架
(a)通過整合多源數(shù)據(jù),結(jié)合不同類型AI方法,實(shí)現(xiàn)跨時(shí)空尺度的海洋現(xiàn)象預(yù)測(cè);(b)概括了海洋大模型預(yù)報(bào)的通用框架。
研究認(rèn)為,未來(lái)OP預(yù)報(bào)正從傳統(tǒng)的單一要素、單一任務(wù)研究,邁向多源數(shù)據(jù)融合、跨尺度協(xié)同和智能化一體化發(fā)展的新階段。依托海洋現(xiàn)象大模型(OP-LOM),未來(lái)有望把海洋狀態(tài)變量預(yù)報(bào)與渦旋、內(nèi)孤立波、風(fēng)暴潮、ENSO等現(xiàn)象級(jí)預(yù)報(bào)有機(jī)結(jié)合起來(lái),實(shí)現(xiàn)從“海洋環(huán)境場(chǎng)預(yù)測(cè)”到“海洋事件演化預(yù)警”的跨越。通過融合多模態(tài)數(shù)據(jù),并引入物理約束、知識(shí)遷移和持續(xù)學(xué)習(xí)等新方法,下一代海洋現(xiàn)象預(yù)報(bào)模型將進(jìn)一步提升對(duì)復(fù)雜海洋過程的刻畫能力、預(yù)報(bào)精度和業(yè)務(wù)應(yīng)用價(jià)值。隨著高性能計(jì)算平臺(tái)和開放式服務(wù)接口的不斷發(fā)展,海洋現(xiàn)象大模型有望成為支撐智能海洋預(yù)報(bào)的重要核心,為海洋防災(zāi)減災(zāi)、資源開發(fā)利用和氣候變化應(yīng)對(duì)提供更強(qiáng)有力的科技支撐。

圖2?海洋現(xiàn)象大模型(OP-LOM)的總體設(shè)計(jì)框架
OP-LOM包括前端圖像處理模塊、通用特征提取共享模型和預(yù)報(bào)后端模塊。上部為OSV背景場(chǎng)與用戶交互界面,下部為模型運(yùn)行所需的基礎(chǔ)設(shè)施環(huán)境,包括GPU集群、網(wǎng)絡(luò)通信、并行計(jì)算及部署支持。(a)多源多模態(tài)圖像序列處理;(b)處理后數(shù)據(jù)的通用特征提??;(c)海洋現(xiàn)象預(yù)測(cè)序列生成。
論文第一作者為中國(guó)科學(xué)院海洋研究所李曉峰研究員,通訊作者為王凡研究員,合作者還包括中國(guó)科學(xué)院海洋研究所張旭東、任沂斌、王云鶴、楊楠、王充、穆珊珊、王浩宇、劉穎潔和趙子萌,以及天津大學(xué)周圓教授。該研究獲國(guó)家自然科學(xué)基金重大項(xiàng)目等資助。
論文信息:
Xiaofeng Li, Xudong Zhang, Yibin Ren, Yunhe Wang, Nan Yang, Chong Wang, Shanshan Mu, Haoyu Wang, Yuan Zhou, Yingjie Liu, Zimeng Zhao, Fan Wang*. Artificial intelligence for ocean phenomena forecasting. Science Bulletin,?2026.
https://doi.org/10.1016/j.scib.2026.04.002
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 |
