近日，由中科院海洋所研究員、IEEE Fellow李曉峰領銜的人工智能海洋學研究團隊，基于近30年遙感觀測的北極區域逐日海冰密集度數據，建立了數據驅動的海冰密集度智能化預報模型SICNet，實現了連續28天的北極海冰密集度預報，預報時間為秒級。SICNet對未來28天的平均海冰邊界預報精度高于90%，優于氣候異常持續的預報結果。相關成果近日發表于地球科學和遙感領域Top期刊IEEE Transactions on Geoscience and Remote Sensing (IEEE TGRS)（影響因子5.6）。
海冰密集度指海區內海冰面積所占百分比，是描述海冰的基礎參數。天氣以上尺度的逐日海冰密集度預報對于北極航道規劃具有指導意義。傳統海冰預報模式計算資源占用較大，且在天氣以上尺度的預報精度衰減明顯，預報精度低于氣候態平均值。
SICNet連續28天預報結果
SICNet以深度卷積網絡為基本單元，融合時間卷積網絡建立時空注意力模塊，以更好地建立海冰密集度歷史序列與未來序列的時空映射關系。SICNet以近7天海冰密集度歷史數據為輸入，輸出未來7天海冰密集度，迭代3次預測未來28天的逐日海冰密集度，預報時間為秒級。SICNet對未來7天海冰密集度預報的平均絕對誤差為2.67%，連續28天預報的平均海冰邊界預報精度（BACC）基本保持在90%以上，明顯優于氣候異常持續（Persist）。
該研究表明，依托深度學習的復雜時空關系建模能力，可實現數據驅動的天氣以上尺度北極海冰密集度的準確、快速預報，為次季節至季節尺度的逐日海冰密集度預報提供了參考。未來，針對單個海冰參數的預報，基于深度學習的智能化預報模型具有輕量化、高精度的特點，將成為數值模式海冰預報的重要補充。
上述研究工作得到了中科院海洋大科學研究中心、中科院戰略性先導科技專項、山東省重大創新工程及國家自然科學基金項目等資助。中科院海洋所任沂斌博士為論文第一作者，李曉峰研究員為通信作者，合作者還包括中科院海洋所張雯皓博士。
論文信息：
Yibin Ren, Xiaofeng Li*, Wenhao Zhang, A data-driven deep learning model for weekly sea ice concentration prediction of the Pan-Arctic during the melting season, IEEE Transactions on Geoscience and Remote Sensing, 2022, doi: 10.1109/TGRS.2022.3177600.
