融合图卷积和注意力机制的GRU海面温度预测模型

海面温度(sea surface temperature,SST)是影响海洋气候变化的关键因素之一,SST的精确预测对海洋气象、航海等相关领域具有重要意义。为同时捕获空间和时间相关性,本文提出了一种融合图卷积(graph convolution,GC)和注意力机制的门控循环单元(gated recurrent unit,GRU)海面温度预测模型(graph convolutional recurrent unit-attention mechanism,GCRU-ATT)。GC将海洋表面空间构建成图形的拓扑结构,有效地挖掘数据特有的空间特征。首先,将门控循环单元中的矩阵乘法替换为图卷积运算,构成门控图卷积(graph convolutional recurrent unit,GCRU)层;应用GCRU层搭建模型主要结构,以提取数据的时空信息;其次,引入注意力机制为GCRU层输出信息分配不同的权重。最终,使用一个全连接的输出层输出海面温度预测结果。选取东海和渤海海域的SST数据建模,实验结果表明GCRU-ATT模型鲁棒性好,且其误差指标值低于已有的方法,预测精度较高。

序言

在海洋大数据的推动下,加之人工智能技术的迅猛发展,人工智能海洋学这一跨学科领域正日益成为研究前沿。通过将海洋学知识和人工智能技术深度融合,该学科不仅为海洋科学研究开辟了崭新的视野,也为海洋防灾减灾、生态保护和资源开发利用等应用场景提供了先进的技术支持。本专辑涉及多个关键领域,包括海洋特征智能监测和模拟、海洋大气现象智能预报、海洋要素智能订正等。海洋特征包括海洋涡旋、海冰、涌潮、海底地形及生物组织等典型现象和参数。

人工智能海洋学发展前景

随着海洋观测数据和数值模式产品的爆发式增长,人工智能方法在海洋学研究中展现出巨大的潜能。该文首先回顾了海洋大数据科学的发展历程,并详细介绍了人工智能在海洋现象识别、海洋要素与现象预报、海洋动力参数估算、海洋预报误差订正和海洋动力方程求解中的研究现状。具体地,阐述了海洋涡旋、海洋内波和海冰等海洋现象的智能识别研究,海面温度、厄尔尼诺-南方涛动、风暴潮、海浪和海流的智能预测研究,数值模式中海洋湍流过程参数化方案的智能估算研究以及海浪、海流等海洋现象预报误差的智能订正研究。此外,还讨论了物理机制融合和傅里叶神经算子在海洋运动方程智能求解中的研究进展。该文立足于当前人工智能海洋学的发展现状,旨在全面展示人工智能技术在海洋学领域的优势和潜力,并聚焦于海洋数字孪生和人工智能大模型两个新兴的研究热点,展望未来人工智能海洋学的发展方向,为海洋学者提供启示和参考。

基于BP神经网络模型的哨兵SAR反演风速偏差校正

该文基于美国国家浮标资料中心(National Data Buoy Center,NDBC)浮标观测数据对哨兵一号搭载的合成孔径雷达(synthetic aperture radar,SAR)反演风速数据进行精度分析,并利用BP神经网络(back propagation neural network)对SAR反演风速的偏差进行校正;同时针对环境要素、BP神经网络训练输入的样本量以及神经网络结构参数设计了敏感性试验;最后将SAR标量风场数据转换为用u、v矢量表示的风场数据,并对u向风和v向风分别进行了精度分析和校正。实验结果表明:SAR反演风速相较于浮标观测数据出现了低估现象;经过BP神经网络校正后,SAR反演风速数据的精度得到了改善,风速的平均偏差绝对值从0.78 m s下降到0.04 m s,均方根误差从1.98 m s下降到了1.77 m s;敏感性试验表明输入质量较差的环境要素数据时BP神经网络的校正效果有所下降,而增加训练集样本量能改善校正效果;将标量风场数据转换为u、v矢量风场数据后的校正结果也显示BP神经网络具有较好的校正效果。

融合IVMD的海表温度时空智能预测方法

精准的海洋表面温度(sea surface temperature, SST)预测在海洋和气象领域具有重要意义,如海洋渔业捕捞和海洋天气预报等。提出一种融合改进变分模态分解(improved variational mode decomposition, IVMD)的时空混合模型来预测SST,采用中心频率观察法、残差指数最小化和皮尔逊相关系数改进变分模态分解(variational mode decomposition, VMD),去除SST序列冗余,利用图卷积神经网络(graph convolutional network, GCN)提取SST交互特征并结合长短时记忆网络(long short-term memory, LSTM)捕捉时间动态,提高预测精度。选取中国东海海域进行实证分析,实验结果表明:与现有模型对比,本文模型在均方根误差、平均绝对误差和平均绝对百分比误差3个指标上均有显著提升,验证了本文模型的有效性和稳定性。

基于卫星遥感资料的近海海上通信环境研究

海气界面通量等要素会影响海上通信的可靠性和效率。相较于分布零星的海上现场观测数据,卫星遥感数据有覆盖范围广、时间跨度长的优势,基于星载合成孔径雷达风速数据和再分析数据以及浮标实测数据,结合神经网络方法,利用COARE V3.5算法计算海气界面的动量通量、感热通量和潜热通量。研究发现,经过神经网络校正后的SAR风速数据在计算海气通量时,与浮标实测风速的一致性得到了显著提升,摩擦风速的偏差从-0.03 m/s降低到0.01 m/s,风应力的偏差从-0.03 N/m^(2)降低到0.00 N/m^(2),拖曳系数的偏差从-0.29降低到-0.21,潜热通量的偏差从-8.32 W/m^(2)降低到5.41 W/m^(2),感热通量的偏差从0.67 W/m^(2)减小到0.06 W/m^(2)。研究结果表明,经过神经网络校正后的SAR风速资料能够提供更加可靠的海上通信环境数据。

基于ConvLSTM的中国东南沿海波浪智能预报和评估

相较于半理论半分析和数值模型的波浪预报方法,智能波浪预报有着精度高、计算资源需求低的优势。该文基于卷积长短期记忆网络(convolutional long short-term memory network,ConvLSTM)算法,建立了有效波高(significant wave height,SWH)二维预报模型,以中国东南沿海2014—2022年ERA5数据进行训练,通过敏感性试验优化模型配置,并开展中国东南沿海SWH在2023年4个预报时效(6 h、12 h、18 h、24 h)下的预测性能评估。敏感性试验显示,输入时间序列长度N=4(即输入-18 h,-12 h,-6 h,0 h的SWH值)时,模型在4个预报时效下的准确性均优于其他时间序列长度;输入物理要素组合为SWH、平均波向和海面10 m风矢量时,模型在12 h、18 h和24 h预报时效下的准确性优于其他组合。通过对ConvLSTM模型训练及配置的精细调整,可以实现对中国东南沿海SWH的二维、高精度的智能预报。

海洋涡旋智能检测研究进展

海洋涡旋是一种常见的海洋现象,在全球海洋物质和能量的输运中起着重要作用。随着海洋研究技术手段的不断提升,各类海洋涡旋检测方法应运而生。传统涡旋检测方法应用广泛,但其过度依赖于专家经验设置阈值和持续的人工干预,存在检测误差较大、工作效率低以及全球普适性差等问题,难以适应复杂多变的海洋环境。当前人工智能快速发展,其在海洋涡旋智能检测中能够自动、快速地提取图像深层特征,有效解决海洋现象特征相似度高、几何差异大的问题。该文立足于当前海洋涡旋智能检测的发展现状,从编码器-解码器结构、全卷积神经网络、多尺度上下文方法和注意力机制等方面回顾了不同深度学习方法在海洋涡旋智能检测中的应用,以期为海洋涡旋研究提供一些启示和参考。

珠海市前山河污染物溯源预警理想数值实验研究

基于FVCOM(Finite-Volume Coastal Ocean Model)模式,采用拉格朗日粒子追踪方法和染色示踪方法开展珠海市前山河污染物溯源预警数值模拟研究,在理想条件下开展实验,模拟潮汐、风场和径流的不同组合对污染物移动的影响,对漂移路径和扩散情况的差异进行对比分析,并进行污染物溯源实验。结果表明:潮汐、风和径流均能显著影响污染物的移动,其中径流流量的作用尤为明显;上游更大流量河水的输入有助于快速排出污染物;水下释放的污染物在原地滞留时间更长,局部浓度较高,不易被稀释;污染物的分布范围更多取决于风向,而不是风速。溯源实验结果表明大部分溯源结果与污染物投放点相符,可以为进一步污染治理和研究提供参考。

一种基于深度学习的有效波高混合预测方法

作为重要的海洋环境参数,有效波高(SWH)的精准预测在海洋工程中具有重要意义。针对深度学习易陷入局部最优等问题,提出了一种融合深度-宽度的SWH混合预测方法。利用集成经验模态分解对SWH进行预处理,改善深度学习预测中普遍存在的滞后性问题,同时将宽度学习系统与深度学习中的长短时记忆网络相融合,旨在提高预测精度。实验结果表明:与现有方法相比,基于本文模型的SWH预测方法不但在均方根误差、平均绝对误差等评价指标上得到有效提升,且具有较好的鲁棒性。

孟加拉湾南部冷池的极端事件及其机理初析

本研究利用多源卫星遥感数据对比分析了2018年和2015年孟加拉湾南部冷池的极端异常事件。孟加拉湾南部冷池早期出现在5月,8月和9月强度达到最大,10月开始减弱,随后逐渐消失。数据显示2018年和2015年冷池海表温度距平值分别为-0.55℃和0.43℃,是1993—2018年26年中冷池降温最强和最弱的年份。2018年孟加拉湾南部冷池风应力距平值为0.02 N/m2,而2015年距平值为-0.01 N/m2。2018年Ekman抽吸速度距平在冷池区域为正,2015年为负。经混合层热收支计算得到,造成冷池产生的主要原因是平流效应,且2018年与2015年的夏季(6—8月)降温平流项分别占49.2%和80.7%。冷池极端事件主要发生在6月,2018年6月冷池降温是2015年的2.76倍,并且海表净热通量项和平流项的异常对冷池极端事件的产生起了重要作用。

基于遥感数据与数值模式的浒苔漂移输运预报:以江苏近海为例

浒苔暴发是影响全球近岸海域最为严重的海洋灾害之一,引起了社会各方的重视。该研究基于大气-波浪-海洋集合模式,根据卫星遥感数据提取浒苔位置,采用拉格朗日漂流模式对浒苔进行追踪并预报其漂移路径。与卫星观测结果对比表明,该集合模式能够较好地预报浒苔的位置、分布及其漂移路径。此外,该研究还讨论了Stokes漂流对于模式预报的影响,结果表明考虑Stokes漂流可以修正浒苔漂移路径,有效提高预报的准确性。

海洋涡旋自动探测几何方法、涡旋数据库及其应用

近10a来,海洋涡旋的自动探测和分析研究成为物理海洋学研究的前沿热点之一。本研究介绍了作者及其合作者最近几年发展的一系列基于海表面高度异常(Sea Surface Height Anomaly,SSHA)、海表温度(Sea Surface Temperature,SST)的欧拉型以及基于全球漂流浮标数据的拉格朗日型的涡旋自动探测几何方法、从欧拉型涡旋探测方法中发展出来的三维涡旋的自动探测方法和利用上述方法探测得到的结果建立的涡旋数据库。此外,本研究还介绍了涡旋数据库的应用,主要包括:分析黑潮延续体以及南加州湾的涡旋统计特征;以黑潮延伸区冷、暖两个中尺度涡旋为例,采用动态合成、带通滤波等方法,研究中纬度地区中尺度海洋涡旋对大气的强迫特征;在黑潮延续体采用合成分析方法得到了合成气旋和反气旋的三维结构并对涡旋调制下混合层深度进行探究;对涡旋诱导的输运、涡旋诱导的叶绿素变化进行的研究以及对阿拉伯海大涡进行的研究等。

大气对黑潮延伸区中尺度海洋涡旋的响应——冬季暖、冷涡个例分析

采用动态合成、带通滤波等方法,通过对冬季黑潮延伸区暖、冷两个中尺度海洋涡旋的分析,研究了大气对中尺度海洋涡旋的响应特征。结果表明,海表温度(SST)与近海面风速的正相关关系在涡旋的动态合成图上清晰可见,暖(冷)涡上空对应10 m风速的极大(小)值,即海洋对大气的强迫作用在日时间尺度上表现显著;SST高低值中心基本对应10 m风无辐散区,暖(冷)涡上空为异常正(负)涡度分布;暖(冷)涡上空潜热、感热通量增大(减小),降低(增大)大气稳定度,从而加强(减弱)边界层垂直混合作用,使得海洋大气边界层增厚(变薄)。暖(冷)涡旋上空对应摩擦速度极大(小)值,反映了湍流粘性力在高(低)海温中心增大(减小)的特征,表明动量垂直混合机制在中小尺度海气相互作用中起着主要作用。中尺度海洋涡旋能够影响大气瞬变扰动,大气瞬变扰动强度在暖(冷)涡下游上空出现极大(小)值,该影响不仅表现在海洋大气边界层,在自由大气中低层也有较为清晰的反映。此外,从能量转换的角度入手,发现斜压能量转换在中尺度海洋涡旋影响大气瞬变扰动强度中贡献明显。

黑潮双流态特征的动力学研究

黑潮双流态特征的动力学研究董昌明，张庆华（国家海洋局第一海洋研究所，青岛）关键词双流态；涡环脱落前言现象在黑潮数千公里的流程中，以日本以南海域路径的变动最引人注目．在该海区，黑潮存在着两种准稳定的流态，即双流态（ｂｉｍｏｄａｌ）：一种是沿着日本南部海...

长江冲淡水与邻近海域生态环境的关系

基于实测资料和已有的理论结果,我们首先讨论了不同季节长江淡水的路径,还涉及了长江冲淡水对生态环境,特别对生物赖以生存的有机盐分布的影响。

窄急流模式在黑潮双流态中应用的进一步研究

日本南部黑潮处于半封闭的海域，是一种下游受伊豆诸岛约制的强迫急流，本文在Masuda工作基础上讨论两种边界条件：解出了最终路经曲线，由两种边界条件结果的比较可知，选取第二种边界条件结果更符合实际；与无外强迫的解对照，说明了伊豆诸岛在双流态形成中的贡献。这两方面结论都反映出局地效应和非线性效应对双流态形成的重要作用。

中国物理海洋学研究70年：发展历程、学术成就概览

本文概略评述新中国成立70年来物理海洋学各分支研究领域的发展历程和若干学术成就。中国物理海洋学研究起步于海浪、潮汐、近海环流与水团,以及以风暴潮为主的海洋气象灾害的研究。随着国力的增强,研究领域不断拓展,涌现了大量具有广泛影响力的研究成果,其中包括:提出了被国际广泛采用的“普遍风浪谱”和“涌浪谱”,发展了第三代海浪数值模式;提出了“准调和分析方法”和“潮汐潮流永久预报”等潮汐潮流的分析和预报方法;发现并命名了“棉兰老潜流”,揭示了东海黑潮的多核结构及其多尺度变异机理等,系统描述了太平洋西边界流系;提出了印度尼西亚贯穿流的南海分支(或称南海贯穿流);不断完善了中国近海陆架环流系统,在南海环流、黑潮及其分支、台湾暖流、闽浙沿岸流、黄海冷水团环流、黄海暖流、渤海环流,以及陆架波方面均取得了深刻的认识;从大气桥和海洋桥两个方面对太平洋–印度洋–大西洋洋际相互作用进行了系统的总结;发展了浅海水团的研究方法,基本摸清了中国近海水团的分布和消长特征与机制,在大洋和极地水团分布及运动研究方面也做出了重要贡献;阐明了南海中尺度涡的宏观特征和生成机制,揭示了中尺度涡的三维结构,定量评估了其全球物质与能量输运能力;基本摸清了中国近海海洋锋的空间分布和季节变化特征,提出了地形、正压不稳定和斜压不稳定等锋面动力学机制;构建了“南海内波潜标观测网”,实现了对内波生成–演变–消亡全过程机理的系统认识;发展了湍流的剪切不稳定理论,提出了海流“边缘不稳定”的概念,开发了海洋湍流模式,提出了湍流混合参数化的新方法等;在海洋内部混合机制和能量来源方面取得了新的认识,并阐述了混合对海洋深层环流、营养物质输运等过程的影响;研发了全球浪–潮–流耦合模式,推出一系列海洋与气候模式;发展了可同化主要海洋观测数据的海洋数据同化系统和用于ENSO预报的耦合同化系统;建立了达到国际水准的非地转(水槽/水池)和地转(旋转平台)物理模型实验平台;发展了ENSO预报的误差分析方法,建立了海洋和气候系统年代际变化的理论体系,揭示了中深层海洋对全球气候变化的响应;初步建成了中国近海海洋观测网;持续开展南北极调查研究;建立了台风、风暴潮、巨浪和海啸的业务化预报系统,为中国气象减灾提供保障;突破了国外的海洋技术封锁,研发了万米水深的深水水听器和海洋光学特性系列测量仪器;建立了溢油、危险化学品漂移扩散等预测模型,为伴随海洋资源开发所带来的风险事故的应急处理和预警预报提供科学支撑。文中引用的大量学术成果文献(每位第一作者优选不超过3篇)显示,经过70年的发展,中国物理海洋学研究培养了一支实力雄厚的科研队伍,这是最宝贵的成果。这支队伍必将成为中国物理海洋学研究攀登新高峰的主力军。

ON MULTIPLE SOLUTIONS TO A LOW-SPECTRUM MODEL OF OCEANIC CURRENT DRIVEN BY THE BOUNDARY FORCE——THE BIMODALITY OF THE KUROSHIO SOUTH OF JAPAN

This low-spectrun medel study on the multiple solutions to a nonlinear quasi-geostrophic ocanic cur-rent equation shows that they depend on the combination of Ro, Re, λ and ε, that the bimedaity of theKuroshio depends strongly on the nonlinear effect represented by Ro and λ, and that its occurrenceprobability is reduced by the dissipation represented by Re and ε. The stability of solutions is discussed indetail with Hurwitz’s theory.