海洋內孤立波（簡稱內波）在海洋內部生成、傳播和耗散，在全球海洋中分布廣泛。目前已觀測到的內波振幅最大可達240米，對海上作業平臺、海洋生態、聲吶探測等具有重要影響。內波的生成和傳播隨機性較強，其預報研究一直是難點問題。 

　　近日，中科院海洋環流與波動重點實驗室、海洋大科學中心李曉峰團隊在利用海洋遙感大數據和機器學習開展內波預報方面取得重要進展?；诙嗄?、多源內波遙感觀測數據，利用機器學習算法挖掘內波遙感大數據信息，實現了基于數據驅動的蘇祿-蘇拉威西海內波的傳播預報，預報模型結果與遙感觀測結果吻合較好。 

內波預報模型結果（黑線）與遙感觀測結果對比（紅線） 

　　該研究構建的內波預報模型與傳統理論模型和經驗模型相比，不需要內波生成源、振幅等先驗知識，并且精度更高。該研究基于機器學習開發的內波預報模型魯棒性較強，模型中引入的誤差不會導致預報結果產生較大偏移。 

機器學習內波預報模型與傳統方法對比

輸入誤差對模型結果的影響

論文封面

　　海洋遙感領域旗艦期刊IEEE Transactions on Geoscience and Remote Sensing(JCR Q1 top期刊，IF=5.855)以期刊封面形式發表報道了該項研究成果。該工作得到了中國科學院戰略性先導科技專項、國家自然科學基金委項目等資助。 

　　該研究相關成果及鏈接如下： 

　　Xudong Zhang and Xiaofeng Li*, Combination of Satellite Observations and Machine Learning Method for Internal Wave Forecast in the Sulu and Celebes Seas, IEEE Transactions on Geoscience and Remote Sensing, 59(4), 1-11, 2020. doi:10.1109/TGRS.2020.3008067. https://ieeexplore.ieee.org/document/9142440