AI迁移学习技术有助于研究海洋内波

内波在海洋中广泛分布，其振幅可达数百米，影响海洋环境。

遥感是观测海洋内波的重要方法。然而，无法从遥感图像中反演内波振幅。

近日，中国科学院海洋研究所（IOCAS）李晓峰博士领导的研究团队应用人工智能（AI）迁移学习技术，整合实验室、浮标和遥感数据，研究内波。

该研究于 2 月 9 日发表在 Remote Sensing of Environment 上。

研究人员应用原位和遥感数据建立匹配的数据集进行模型训练，并利用 AI 迁移学习技术解决不同数据源的问题，准确重构内波的三维结构。

基于 AI 迁移学习的内孤波振幅反演模型是一个两阶段模型。在第一阶段，应用迁移学习来处理不同的内波数据源。引入了一种受 ResNet 启发的定制修改，称为短连接。在第二阶段，模型利用实际海洋的密度信息对第一阶段的结果进行偏差校正。

“该模型可以通过以卫星图像提取的信息为输入来反演内波振幅，并且可以重建内波的三维结构，”李博士说。

相关结果表明，基于纯数据驱动的海洋信息大数据开发复杂海洋现象反演模型是可靠可行的。

“作为一项蓬勃发展的新兴技术，人工智能技术可以在研究复杂的海洋现象中建立快速、直接的映射关系，”李博士说。