基于isQG的海洋次表层温度智能重建方法

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：An Intelligent Reconstruction Method for Ocean Subsurface Temperature Empowered by isQG

　　

摘要：

高精度重建海底海洋温度对于识别和监测中尺度现象以及预测气候变化趋势具有重要意义。尽管先进的人工智能算法已被广泛用于根据表层数据重建海底温盐场，但由于Argo观测数据的稀疏性和不连续性，大多数算法无法使用这些数据来进行训练。目前，若将Argo观测数据作为标签，仅能应用一维人工智能算法，而这类算法无法完全捕捉海洋的时空演化特征。作为从中尺度到更大尺度海洋的基本特性，准地转动力学有助于估算海洋的内部参数。将准地转动力学与人工智能算法相结合，有望提升海底重建的性能，而这一方法在当前研究中尚未得到充分运用。本研究提出了一种名为isQG-empowered ResNet的混合动力-统计重建框架，该框架基于一维残差网络，并结合了通过内部+表层准地转方法重建的密度异常值。研究结果表明：该模型的性能优于传统的1D-ResNet模型，层平均均方根误差降低了约0.18℃。SHapley加性解释方法也验证了isQG因素的重要作用。预测得到的温度剖面与Argo实地观测数据高度吻合，能够较好地反映实际海洋环境中的垂直温度变化。此外，重建得到的三维温度场能够合理表征中尺度现象（如中尺度涡旋），且与GLORYS12V1再分析数据一致。研究表明，所提出的方法是一种可行且稳定的框架……

显示更多