Storskaliga oceaniska fenomen är komplicerade och involverar ofta många naturliga processer. Tropisk instabilitetsvåg (TIW) är ett av dessa fenomen.

Pacific TIW, en framträdande rådande oceanisk händelse i östra ekvatoriska Stilla havet, presenteras med cusp-formade vågor som fortplantar sig västerut vid båda flankerna av den tropiska Stilla havets kalla tunga.

Prognosen för TIW har länge varit beroende av fysiska ekvationsbaserade numeriska modeller eller statistiska modeller. Dock, många naturliga processer måste beaktas för att förstå sådana komplicerade fenomen.

Nyligen, en forskargrupp ledd av prof. LI Xiaofeng från Institutet för Oceanologi vid den kinesiska vetenskapsakademin (IOCAS) studerade denna typ av komplexa oceaniska fenomen genom artificiell intelligens (AI)-teknik.

Teammedlemmen inkluderar ZHENG Gang från Second Institute of Oceanology av Ministry of Natural Resources, ZHANG Ronghua från IOCAS, och LIU Bin från Shanghai Ocean University.

De använde satellitdatadriven djupinlärningsmodell för att förutsäga den komplicerade tusenkilometerskalan TIW för första gången i världen. Deras studie publicerades i Vetenskapens framsteg den 15 juli.

Grundläggande regler som styr de komplicerade oceaniska fenomenen är vanligtvis djupt gömda i själva den snabbt växande satellitens fjärranalys av big data. De måste grävas fram av kraftfulla tekniker för informationsutvinning som djupinlärning inom AI-området.

"AI-teknik kan leda till ett lovande alternativ för att modellera komplicerade oceaniska fenomen och kringgå de svårigheter som traditionella numeriska modeller står inför, " sa prof. LI.

I det här arbetet, forskarna utvecklade en modell för djupinlärning för att prognostisera havsytans temperaturfält (SST) associerat med TIW baserat på nuvarande och tidigare satellit-härledda SST-data.

Långtidstestet av nioåriga SST-data visade att modellen effektivt och exakt prognostiserade SST-utvecklingen och fångade TIW-utbredningens rumsliga och tidsmässiga variation.

Studien visar att ett rent datadrivet och AI-baserat informationsutvinningsparadigm kan vara ett robust och lovande sätt att modellera och förutsäga komplicerade oceaniska fenomen i satellitens fjärranalys av Big Data Era.

"AI-baserade modeller, statistiska modeller, och traditionella numeriska modeller kan komplettera varandra och ge ett nytt perspektiv för att studera komplicerade oceaniska egenskaper, " sa prof. LI.

En översiktsartikel av Prof. LI:s grupp publicerades i National Science Review den 19 mars, som systematiskt granskade djupinlärningsbaserad informationsutvinning från havsfjärranalysbilder.