大规模的海洋现象很复杂，通常涉及许多自然过程。热带不稳定波(TIW)是这些现象之一。

太平洋TIW是赤道东太平洋的一个主要盛行海洋事件，其特征是在热带太平洋冷舌的两个侧面向西传播的尖状波浪。

TIW的预测长期以来一直依赖于基于物理方程的数值模型或统计模型。但是，为了理解这种复杂现象，需要考虑许多自然过程。

最近，由中国科学院海洋研究所(IOCAS)李晓峰教授领导的研究小组通过人工智能(AI)技术研究了这种复杂的海洋现象。

该团队的成员包括自然资源部第二海洋研究所的郑刚，IOCAS的张荣华和上海海洋大学的刘斌。

他们使用卫星数据驱动的深度学习模型来预测世界上千公里复杂的TIW。他们的研究发表在7月15日的《科学进展》上。

快速增长的卫星遥感大数据本身通常深刻地隐藏着管理复杂海洋现象的基本规则。需要通过强大的信息挖掘技术(例如AI领域的深度学习)来挖掘它们。

李教授说：“人工智能技术可能会为模拟复杂的海洋现象和规避传统数值模型所面临的困难提供一种有前途的选择。”

在这项工作中，研究人员开发了一种深度学习模型，用于基于当前和以前的卫星衍生SST数据来预测与TIW相关的海表温度(SST)场。

对9年SST数据的长期测试表明，该模型有效，准确地预测了SST的演变并捕获了TIW传播的时空变化。

研究表明，纯粹的数据驱动和基于AI的信息挖掘范例可能是在卫星遥感大数据时代中建模和预测复杂海洋现象的强大而有前途的方法。

李教授说：“基于人工智能的模型，统计模型和传统数值模型可以相互补充，并为研究复杂的海洋特征提供了新颖的视角。”