AI 模型有助于预测大型热带波浪和海洋洋流

最近，一组研究人员设计了一个能够预测横跨数百英里/公里的海洋现象的AI模型，例如热带不稳定波（TIW）。热带不稳定波（TIW）是太平洋赤道附近发生的一种海洋事件。太平洋TIW涉及沿着热带太平洋冷舌边缘向西移动的弯曲三角波的运动 – 该区域比周围的海洋显著较冷。

导致TIW的环境因素非常复杂，预测这种现象很困难。传统上，TIW的预测是使用复杂的统计和物理模型进行的。然而，一组研究人员最近设计了一个AI模型，旨在更好地预测TIW和其他海洋现象。

根据Phys.org的报道，研究团队由中国科学院海洋研究所（IOCAS）教授李晓峰领导，该团队还包括来自上海海洋大学和自然资源部第二海洋研究所等各个中国海洋科学部门的成员。该团队利用卫星数据设计了一个深度学习模型，旨在分析波浪在海洋中移动数千公里时的不稳定性。即使有全球卫星数据，影响海洋现象的环境因素也可能很难辨别，但目标是AI模型可以比传统模型更好地解析这些变量并进行预测。

研究人员设计的深度学习模型利用卫星收集的海表温度数据，分析当前模式并将其与过去收集的海表温度数据进行比较。研究人员在大约九年的数据上训练和测试了该模型。当结果被分析时，研究人员发现该模型能够准确、持续地预测海表温度的变化，并预测TIW的时间和空间变化。

该研究表明，支持大型数据集的AI模型可以成为预测海洋中甚至一些最复杂现象的可靠方法。

“基于AI的模型、统计模型和传统数值模型可以相互补充，为研究复杂的海洋特征提供新的视角，”李晓峰解释道，根据Phys.org的报道。

希望随着模型的改进和完善，它将有助于预测大型波浪和风暴，这对海洋导航系统和预测可能危害沿海城市的严重天气事件具有实际应用价值。这种研究在气候变化改变海洋洋流运动和与周围环境相互作用的世界中尤其有价值。李晓峰和同事的研究是使用AI算法和卫星数据来研究和预测海洋洋流和相关现象的日益增长的趋势的一部分。

作为AI被用来跟踪和预测海洋现象的另一个例子，今年早些时候，来自普利茅斯海洋实验室和爱琴大学的一组研究人员发表了一项研究，研究了如何使用机器学习算法和卫星数据来识别塑料垃圾集中区域并跟踪其传播。

该团队拍摄了塑料垃圾的卫星图像，并训练了一个图像识别系统，旨在确定该系统是否能够准确地将塑料垃圾与木头、海藻和其他自然漂浮物体区分开来。根据研究结果，该算法能够大约86％的时间正确识别垃圾。研究人员希望改进该模型，并创建一个系统，以便在沿海和河流中识别和清除塑料垃圾。