近日，中科院海洋所胡敦欣院士團隊、王凡研究員團隊與南京信息工程大學董昌明教授團隊合作，利用深度學習方法，成功構建了印尼貫穿流的反演和預測系統，實現了對印尼貫穿流流量的有效預測。相關成果在海洋領域學術期刊Frontiers in Marine Science發表。 

　　印尼海域是連接熱帶大洋海盆的唯一海洋通道，印尼貫穿流是印度洋海盆和太平洋海盆之間跨洋盆相互作用的主要海洋動力因子，印尼貫穿流通過強烈的物質能量輸運，對印太物質能量平衡、區域乃至全球氣候變化產生極其重要的作用。長期以來，國際學術界對印尼貫穿流給予了大量關注，尤其是為了對印尼貫穿流開展觀測投入了大量精力。但是，對印尼貫穿流的長期觀測卻非常困難；而對印尼貫穿流的預測則主要依賴數值模擬系統，往往存在顯著模擬偏差，不確定性較大。為了解決這一難題，海洋所科研人員提出將長期穩定的衛星觀測數據與人工智能方法結合起來、構建印尼貫穿流反演和預測系統的設想，并結合多種深度學習模型進行了試驗。 

　　已有研究表明，印-太壓力梯度是印尼貫穿流的主要驅動因素。為此，研究團隊利用印度洋和太平洋海盆的海表面高度來反演和預測印尼貫穿流的體積輸送。研究團隊使用CMIP6模式和SODA等數據集提供的海量數據對卷積神經網絡(CNN)進行訓練，并輸出重建了印尼貫穿流流量時間序列。訓練結果表明，基于CNN模型的反演預測系統能夠重現高達90%的印尼貫穿流流量變化，表明該系統可以實現對印尼貫穿流流量的有效反演。 

　　研究團隊進一步將該系統與1993年至2021年的衛星實測資料結合，反演構建了印尼貫穿流流量的時間序列，并發現該時間序列與MITF、INSTANT和IX1等國際知名的印尼貫穿流現場觀測數據資料吻合較好。研究團隊利用該系統進一步探索了對印尼貫穿流流量進行預測的可能性，結果表明該系統能夠實現超前7個月對印尼貫穿流流量的有效預測。研究團隊建立的印尼貫穿流人工智能反演和預測系統為開展印太海洋環流與氣候變化研究提供了重要手段，或可在一定程度上減輕現場海洋觀測的壓力。 

　　中科院海洋所碩士研究生辛林超為論文第一作者，胡石建研究員為論文通訊作者。研究得到了山東省自然科學基金、中科院戰略先導科技專項等項目資助。 

　　論文信息： 

　　Xin, L., S. Hu*, F. Wang, W. Xie, D. Hu, and C. Dong (2023), Making use of a deep learning approach to infer and forecast Indonesian Throughflow transport from sea surface height, Frontiers in Marine Science, doi:10.3389/fmars.2023.1079286. 

圖1 深度學習模型結構圖

圖2 深度學習模型預測值與CMIP模擬的對比 

圖3 深度學習模型預測值與實際觀測值的對比