近日，由中国科学院海洋研究所研究员、IEEE Fellow李晓峰领衔，国内多家海洋科研单位人员组成的人工智能海洋学研究团队，在国际上首次基于多源数据驱动，利用人工智能迁移学习技术融合实验室、浮标和遥感数据，构建了内孤立波振幅反演模型，在内孤立波三维结构重构等方面取得重要进展。相关成果近日发表于遥感权威期刊Remote Sensing of Environment（影响因子10.164）上。 

　　海洋内孤立波在全球海域分布广泛，振幅可达上百米，在海洋传播过程对海洋环境、生态等有重要影响。遥感是海洋内孤立波观测的重要手段，长期以来从遥感图像反演其振幅是一个难点问题，现有方法无法准确描述海洋内孤立波的复杂特征。 

　　该论文基于长期搜集的海洋内孤立波实验室数据、实测数据和匹配遥感图像，构建了基于多源数据驱动的海洋内孤立波振幅反演模型。在模型构建中，利用实测数据与遥感数据建立匹配数据集进行模型训练，但受观测数据量的限制，实测-遥感匹配数据集较小。为解决小训练数据集的问题，该论文使用了实验室数据作为训练数据的补充，并创新性的利用人工智能迁移学习技术来解决不同数据源的问题。基于该论文构建的海洋内孤立波振幅反演模型以遥感图像提取信息为输入，可以准确重构海洋内孤立波三维结构。 

基于人工智能迁移学习算法的内孤立波振幅反演

      该研究表明，在多源大数据背景下，基于人工智能的纯数据驱动海洋信息来构建针对复杂海洋现象的反演模型是可靠的和可行的，具有广阔的应用前景。在模型搭建过程中不仅仅单纯依靠数据训练，而是充分考虑了所研究海洋现象的物理约束和遥感成像机制的指导作用。迁移学习算法为不同数据源的协同建模提供了连接的桥梁。人工智能技术作为一种蓬勃发展的新兴技术，可以在复杂海洋现象的研究中建立快速、直接的映射关系，是复杂海洋现象研究和遥感信息挖掘的一种高效率工具和方法。 

　　上述研究工作得到了中国科学院海洋大科学研究中心、中国科学院先导科技专项、山东省重大创新工程及国家自然科学基金项目等资助。中国科学院海洋研究所张旭东博士为论文第一作者，李晓峰研究员为通信作者，合作者还包括中国科学院海洋研究所/青岛科技大学王浩宇、英国伯明翰大学王硕博士、自然资源部第一海洋研究所刘延亮博士、中山大学于卫东教授、中国海洋大学王晶教授和徐青教授。 

论文链接： 

https://www.sciencedirect.com/science/article/pii/S0034425722000542?dgcid=author 

本文来源：中国科学院海洋研究所