近日，中科院海洋所李曉峰課題組在耦合物理機制和人工智能算法研究全球內孤立波傳播預報方面取得重要進展，研究成果Satellite data-driven and knowledge-informed machine learning model for estimating global internal solitary wave speed發表于遙感領域頂級期刊Remote Sensing of Environment（IF=13.85）上。
海洋內孤立波在全球海域分布廣泛，其傳播速度受多種因素影響，目前的理論模型存在局限性。遙感是海洋內孤立波觀測的重要手段，可以通過多衛星協同的準同步觀測提取內孤立波速度，但也存在匹配難、數據少和分布不均勻等問題。
全球13個內孤立波熱點海域分布（a）和內孤立波在各海域的速度分布特征（b）
該研究基于長期搜集的全球13個內孤立波熱點海區的遙感數據，構建了內孤立波多源遙感匹配數據集。首次揭示了全球尺度內孤立波速度隨潮汐變化的特征規律和各海域內孤立波的速度特征分布。論文利用時空聚類算法，解決了遙感數據的空間分布失衡以及小樣本海域無法建模等問題。在模型的構建中充分考慮了內孤立波傳播的物理機制。通過耦合物理機制和人工智能算法，構建了高精度、魯棒性強的全球內孤立波速度模型。
該全球內孤立波速度模型可用于研究長時序內孤立波的速度分布特征，揭示不同水深內孤立波速度的的變化規律，并在全球多個海域準確的預報內孤立波的傳播特征和形態變化。
基于構建模型的不同海區內孤立波預報結果
該研究表明，耦合物理機制和改進人工智能模型算法都對模型精度的提升有重要的影響。人工智能技術作為一種蓬勃發展的新興技術，可以在復雜海洋現象的研究中建立快速、直接的映射關系，是復雜海洋現象研究和遙感信息挖掘的一種高效率工具和輕量化方法。
該研究由中科院海洋所張旭東副研究員和李曉峰研究員共同完成，研究得到了國家實驗室“十四五”重大項目、中國科學院先導專項、山東省重大創新工程及國家自然科學基金項目等資助。
文章信息：
Xudong Zhang and Xiaofeng Li*. (2022). Satellite data-driven and knowledge-informed machine learning model for estimating global internal solitary wave speed. Remote Sensing of Environment, 283, 113328.
