海洋内孤立波（简称内波）在海洋内部生成、传播和耗散，在全球海洋中分布广泛。目前已观测到的内波振幅最大可达240米，对海上作业平台、海洋生态、声呐探测等具有重要影响。内波的生成和传播随机性较强，其预报研究一直是难点问题。
　　近日，中科院海洋环流与波动重点实验室、海洋大科学中心李晓峰团队在利用海洋遥感大数据和机器学习开展内波预报方面取得重要进展。基于多年、多源内波遥感观测数据，利用机器学习算法挖掘内波遥感大数据信息，实现了基于数据驱动的苏禄-苏拉威西海内波的传播预报，预报模型结果与遥感观测结果吻合较好。
　　
内波预报模型结果（黑线）与遥感观测结果对比（红线）
　　该研究构建的内波预报模型与传统理论模型和经验模型相比，不需要内波生成源、振幅等先验知识，并且精度更高。该研究基于机器学习开发的内波预报模型鲁棒性较强，模型中引入的误差不会导致预报结果产生较大偏移。

机器学习内波预报模型与传统方法对比

输入误差对模型结果的影响

论文封面
　　海洋遥感领域旗舰期刊IEEE Transactions on Geoscience and Remote Sensing(JCR Q1 top期刊，IF=5.855)以期刊封面形式发表报道了该项研究成果。该工作得到了中国科学院战略性先导科技专项、国家自然科学基金委项目等资助。
　　该研究相关成果及链接如下：
　　Xudong Zhang and Xiaofeng Li*, Combination of Satellite Observations and Machine Learning Method for Internal Wave Forecast in the Sulu and Celebes Seas, IEEE Transactions on Geoscience and Remote Sensing, 59(4), 1-11, 2020. doi:10.1109/TGRS.2020.3008067. https://ieeexplore.ieee.org/document/9142440

---

附件下载：