近日，由中科院海洋所研究員、IEEE Fellow李曉峰領(lǐng)銜，國內(nèi)多家海洋科研單位人員組成的人工智能海洋學研究團隊，在國際上首次基于多源數(shù)據(jù)驅(qū)動，利用人工智能遷移學習技術(shù)融合實驗室、浮標和遙感數(shù)據(jù)，構(gòu)建了內(nèi)孤立波振幅反演模型，在內(nèi)孤立波三維結(jié)構(gòu)重構(gòu)等方面取得重要進展。相關(guān)成果近日發(fā)表于遙感權(quán)威期刊Remote Sensing of Environment（影響因子10.164）上。
海洋內(nèi)孤立波在全球海域分布廣泛，振幅可達上百米，在海洋傳播過程對海洋環(huán)境、生態(tài)等有重要影響。遙感是海洋內(nèi)孤立波觀測的重要手段，長期以來從遙感圖像反演其振幅是一個難點問題，現(xiàn)有方法無法準確描述海洋內(nèi)孤立波的復(fù)雜特征。
該論文基于長期搜集的海洋內(nèi)孤立波實驗室數(shù)據(jù)、實測數(shù)據(jù)和匹配遙感圖像，構(gòu)建了基于多源數(shù)據(jù)驅(qū)動的海洋內(nèi)孤立波振幅反演模型。在模型構(gòu)建中，利用實測數(shù)據(jù)與遙感數(shù)據(jù)建立匹配數(shù)據(jù)集進行模型訓練，但受觀測數(shù)據(jù)量的限制，實測-遙感匹配數(shù)據(jù)集較小。為解決小訓練數(shù)據(jù)集的問題，該論文使用了實驗室數(shù)據(jù)作為訓練數(shù)據(jù)的補充，并創(chuàng)新性地利用人工智能遷移學習技術(shù)來解決不同數(shù)據(jù)源的問題。基于該論文構(gòu)建的海洋內(nèi)孤立波振幅反演模型以遙感圖像提取信息為輸入，可以準確重構(gòu)海洋內(nèi)孤立波三維結(jié)構(gòu)。
基于人工智能遷移學習算法的內(nèi)孤立波振幅反演
該研究表明，在多源大數(shù)據(jù)背景下，基于人工智能的純數(shù)據(jù)驅(qū)動海洋信息來構(gòu)建針對復(fù)雜海洋現(xiàn)象的反演模型是可靠的和可行的，具有廣闊的應(yīng)用前景。在模型搭建過程中不僅僅單純依靠數(shù)據(jù)訓練，而是充分考慮了所研究海洋現(xiàn)象的物理約束和遙感成像機制的指導(dǎo)作用。遷移學習算法為不同數(shù)據(jù)源的協(xié)同建模提供了連接的橋梁。人工智能技術(shù)作為一種蓬勃發(fā)展的新興技術(shù)，可以在復(fù)雜海洋現(xiàn)象的研究中建立快速、直接的映射關(guān)系，是復(fù)雜海洋現(xiàn)象研究和遙感信息挖掘的一種高效率工具和方法。
上述研究工作得到了中科院海洋大科學研究中心、中科院先導(dǎo)科技專項、山東省重大創(chuàng)新工程及國家自然科學基金項目等資助。中科院海洋所張旭東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/青島科技大學王浩宇、英國伯明翰大學王碩博士、自然資源部第一海洋研究所劉延亮博士、中山大學于衛(wèi)東教授、中國海洋大學王晶教授和徐青教授。
0532-88983155
聯(lián)系客服
關(guān)注公眾號