登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《中国科学院海洋研究所在遥感大数据驱动的内波传播预报方面获新进展》

  • 来源专题：中国科学院文献情报系统—海洋科技情报网
  • 编译者： liguiju
  • 发布时间：2021-03-22

  • 海洋内孤立波（简称内波）在海洋内部生成、传播和耗散，在全球海洋中分布广泛。目前已观测到的内波振幅最大可达240米，对海上作业平台、海洋生态、声呐探测等具有重要影响。内波的生成和传播随机性较强，其预报研究一直是难点问题。

    近日，中国科学院海洋环流与波动重点实验室、海洋大科学中心李晓峰团队在利用海洋遥感大数据和机器学习开展内波预报方面取得重要进展。基于多年、多源内波遥感观测数据，利用机器学习算法挖掘内波遥感大数据信息，实现了基于数据驱动的苏禄-苏拉威西海内波的传播预报，预报模型结果与遥感观测结果吻合较好。

    该研究构建的内波预报模型与传统理论模型和经验模型相比，不需要内波生成源、振幅等先验知识，并且精度更高。该研究基于机器学习开发的内波预报模型鲁棒性较强，模型中引入的误差不会导致预报结果产生较大偏移。

    海洋遥感领域旗舰期刊IEEE Transactions on Geoscience and Remote Sensing(JCR Q1 top期刊，IF=5.855)以期刊封面形式发表报道了该项研究成果。该工作得到了中国科学院战略性先导科技专项、国家自然科学基金委项目等资助。

    该研究相关成果及链接如下：

    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

  • 原文来源：http://www.qdio.cas.cn/2019Ver/News/kyjz/202103/t20210318_5977870.html
493浏览量
原文链接
相关报告

  • 《中国科学院海洋研究所在风暴潮模拟预报方面取得新进展》
    • 来源专题：中国科学院文献情报系统—海洋科技情报网
    • 编译者：liguiju
    • 发布时间：2023-12-21
    • 风暴潮是我国近海灾害损失最严重的海洋动力灾害过程，准确模拟预报风暴增水对防灾减灾非常重要。中国科学院海洋研究所侯一筠、胡珀课题组通过在海洋数值模式中引入考虑波浪影响的风应力参数化方案，显著提高了山东沿海风暴增水的模拟精度，相关成果在海洋模拟学术期刊Ocean Modelling发表。 台风和寒潮期间，强风引起的海水异常升降，给沿海区域的人员和财产安全构成严重威胁。为减少风暴潮灾害风险，通常使用数值模式来预测风暴增水。山东沿海地区风暴潮灾害频繁，特别是冬春季的寒潮和夏秋季的北上台风期间，沿海地区会出现强烈的风暴增水现象。与东南沿海等开阔海域相比，山东近海的岸界和水深地形变化复杂，增加了风暴增水的模拟预测难度。 ADCIRC-SWAN耦合模式常用于模拟近岸的风暴增水和极值波浪，被广泛应用于科学研究和业务预报模式中。通过与实际观测对比，发现使用ADCIRC模式模拟的风暴增水存在系统误差，数值模拟结果偏小且在渤海区域尤甚，而使用耦合模式中的wave setup方案改进效果十分有限。研究发现，通过一种考虑波浪影响的风应力参数化方案来替代模式原有的单纯依赖风速的参数化方案，可以有效地纠正风暴增水的模拟误差。通过模拟评估发现，在渤海区域最大风暴增水的改进效果超过20%。研究进一步揭示这一改进的物理机制，渤海区域独特的海岸线形态特征对风浪演变和风应力增强具有重要影响：浅水渐变地形及限制性的的风区，导致风浪的成长不充分和向岸传播过程中的浅水效应，显著增加了海-气间的动量交换，从而导致风暴增水更强。目前ADCIRC模式中原有方案仅考虑风速，无法准确描述这一机制，因而低估了风应力和风暴增水的数值。 基于改进的动力模式技术，科研团队构建了山东沿海风暴潮-海浪耦合漫滩数值预测模型，局部最高分辨率为100米，模拟了两次典型强台风过程（波利和利奇马）过境莱州湾期间的海水淹没过程。研究发现，在忽略海堤防御作用的情况下，台风风暴潮会导致莱州湾沿岸大范围的海水淹没风险。研究还定量评估了风场驱动、波浪增强风应力等外部驱动因素对海水淹没的影响程度。 中国科学院海洋研究所李水清副研究员是论文通讯作者，李朝博士是论文第一作者，其他合作作者包括胡珀研究员、冯兴如研究员、莫冬雪助理研究员和自然资源部北海预报中心李健高级工程师，研究得到了国家自然科学基金等项目资助。 相关论文信息： Li Zhao, Shuiqing Li*, Po Hu, Xingru Feng, Dongxue Mo, Jian Li. 2023. Improving storm surge simulations by considering wave-steepness-dependent drag coefficient in the northern East China Sea. Ocean Modelling. doi: 10.1016/j.ocemod.2023.102283. Li Zhao, Shuiqing Li*, Po Hu, Dongxue Mo, Jian Li, Mei Du, Jie Yan, Yijun Hou, Baoshu Yin*. 2022. Numerical study of storm surge-induced coastal inundation in Laizhou Bay, China. Frontiers in Marine Science. doi: 10.3389/fmars.2022.952406.
    789浏览量
    原文链接

  • 《中国科学院海洋研究所在海洋障碍层结构反演重构方面取得新进展》
    • 来源专题：中国科学院文献情报系统—海洋科技情报网
    • 编译者：liguiju
    • 发布时间：2023-10-12
    • 近日，中国科学院海洋研究所尹宝树研究团队与美国加利福尼亚大学洛杉矶分校（UCLA）的学者携手合作，针对海洋障碍层结构反演重构方面取得新进展，研究成果在英国物理学会学术期刊Environmental Research Communications上发表。 海洋障碍层位于海洋的密度混合层底部与温度等温层顶部之间，其厚度变化对海洋的垂直混合过程产生直接影响，进而调控海表温度和海-气交互作用。障碍层的变化会影响热量和盐分在海洋内部的输运，从而对局地天气气候产生影响，包括热带气旋的生成和强度、降水模式的变化，以及更大尺度的气候现象如厄尔尼诺-南方涛动（ENSO）和印度洋偶极现象（IOD）。由于观测技术的局限性，目前获取高质量的海洋障碍层结构实测数据仍然具有挑战性。因此，利用高分辨率的卫星遥感资料与实测数据相结合来反演重构海洋内部关键结构，已经成为物理海洋学研究中的一项重要课题。 尹宝树团队采用先进的元学习技术，成功集成了卷积神经网络（CNN）、门控循环单元（GRU）和人工神经网络（ANN）三种机器学习模型，提出了一种新颖的多模型集成方法，从而显著提升了海洋障碍层结构的反演精度。通过利用海表温度（SST）、海表盐度（SSS）和海表风速（SSW）等关键海表环境要素，研究团队能够准确地重构出海洋障碍层结构。这一研究成果不仅突破了传统观测技术和数值模型的局限性，更展示了机器学习，尤其是元学习在海洋学研究中所拥有的巨大潜力和广阔应用前景。此外，该研究对于我们深入了解海洋动力学、推动海洋环境变化研究，以及应对全球气候变化均提供了宝贵的支持与贡献，具有显著的学术价值和广泛的实际应用前景。 该研究得到了国家重点研发计划和国家自然科学基金共同资助。中国科学院海洋研究所齐继峰副研究员为第一作者，合作者包括美国加州大学洛杉矶分校曲堂栋研究员和中国科学院海洋研究所尹宝树研究员。 文章信息： Qi, Jifeng, Tangdong Qu, and Baoshu Yin. Meta-learning-based Estimation of the Barrier Layer Thickness in the Tropical Indian Ocean. Environ. Res. Commun. 5 091005. https://doi.org/10.1088/2515-7620/acf9e1 https://iopscience.iop.org/article/10.1088/2515-7620/acf9e1
    402浏览量
    原文链接