近日，由中科院海洋所研究員、IEEE Fellow李曉峰領(lǐng)銜的人工智能海洋學(xué)研究團(tuán)隊(duì)，基于近30年遙感觀測(cè)的北極區(qū)域逐日海冰密集度數(shù)據(jù)，建立了數(shù)據(jù)驅(qū)動(dòng)的海冰密集度智能化預(yù)報(bào)模型SICNet，實(shí)現(xiàn)了連續(xù)28天的北極海冰密集度預(yù)報(bào)，預(yù)報(bào)時(shí)間為秒級(jí)。SICNet對(duì)未來(lái)28天的平均海冰邊界預(yù)報(bào)精度高于90%，優(yōu)于氣候異常持續(xù)的預(yù)報(bào)結(jié)果。相關(guān)成果近日發(fā)表于地球科學(xué)和遙感領(lǐng)域Top期刊IEEE Transactions on Geoscience and Remote Sensing (IEEE TGRS)（影響因子5.6）。
海冰密集度指海區(qū)內(nèi)海冰面積所占百分比，是描述海冰的基礎(chǔ)參數(shù)。天氣以上尺度的逐日海冰密集度預(yù)報(bào)對(duì)于北極航道規(guī)劃具有指導(dǎo)意義。傳統(tǒng)海冰預(yù)報(bào)模式計(jì)算資源占用較大，且在天氣以上尺度的預(yù)報(bào)精度衰減明顯，預(yù)報(bào)精度低于氣候態(tài)平均值。
SICNet連續(xù)28天預(yù)報(bào)結(jié)果
SICNet以深度卷積網(wǎng)絡(luò)為基本單元，融合時(shí)間卷積網(wǎng)絡(luò)建立時(shí)空注意力模塊，以更好地建立海冰密集度歷史序列與未來(lái)序列的時(shí)空映射關(guān)系。SICNet以近7天海冰密集度歷史數(shù)據(jù)為輸入，輸出未來(lái)7天海冰密集度，迭代3次預(yù)測(cè)未來(lái)28天的逐日海冰密集度，預(yù)報(bào)時(shí)間為秒級(jí)。SICNet對(duì)未來(lái)7天海冰密集度預(yù)報(bào)的平均絕對(duì)誤差為2.67%，連續(xù)28天預(yù)報(bào)的平均海冰邊界預(yù)報(bào)精度（BACC）基本保持在90%以上，明顯優(yōu)于氣候異常持續(xù)（Persist）。
該研究表明，依托深度學(xué)習(xí)的復(fù)雜時(shí)空關(guān)系建模能力，可實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的天氣以上尺度北極海冰密集度的準(zhǔn)確、快速預(yù)報(bào)，為次季節(jié)至季節(jié)尺度的逐日海冰密集度預(yù)報(bào)提供了參考。未來(lái)，針對(duì)單個(gè)海冰參數(shù)的預(yù)報(bào)，基于深度學(xué)習(xí)的智能化預(yù)報(bào)模型具有輕量化、高精度的特點(diǎn)，將成為數(shù)值模式海冰預(yù)報(bào)的重要補(bǔ)充。
上述研究工作得到了中科院海洋大科學(xué)研究中心、中科院戰(zhàn)略性先導(dǎo)科技專項(xiàng)、山東省重大創(chuàng)新工程及國(guó)家自然科學(xué)基金項(xiàng)目等資助。中科院海洋所任沂斌博士為論文第一作者，李曉峰研究員為通信作者，合作者還包括中科院海洋所張?chǎng)┎┦俊?nbsp;
論文信息：
Yibin Ren, Xiaofeng Li*, Wenhao Zhang, A data-driven deep learning model for weekly sea ice concentration prediction of the Pan-Arctic during the melting season, IEEE Transactions on Geoscience and Remote Sensing, 2022, doi: 10.1109/TGRS.2022.3177600.
