我院海洋觀測與預報技術研究所21級碩士生錢俊凱在王強老師的指導下，率先建立了黑潮人工智能集合預測系統，探讨了該系統的物理可解釋性，揭示了影響黑潮預測的關鍵因子，為提高黑潮預測水平提供了支撐。相關成果發表于海洋學高質量期刊《Journal of Physical Oceanography》和《Earth and Space Science》，我院21級碩士研究生錢俊凱為上述論文第一作者，王強教授為通訊作者，合作者包括廣東海洋大學梁朋博士、國防科技大學王輝贊副研究員、自然資源部第二海洋研究所朱小華研究員、南京水利科學研究院施勇教授級高級工程師、我院伍豔玲副教授和碩士生彭蘇琪。
黑潮是北太平洋強勁的西邊界暖流，其流量和路徑變化對我國及周邊區域的天氣氣候、海洋環境、漁業資源和航運安全等有重要影響，因此其預測研究一直受到廣泛關注。但是由于黑潮變異受多尺度物理過程非線性相互作用的影響，其預測結果仍然存在較大的不确定性，為了刻畫該不确定性，同時提高黑潮預測技巧，本研究建立了黑潮人工智能集合預測系統，該系統的預測能力優于國際上主流的GOPAF（Global Ocean Physics Analysis and Forecast）數值預測模式，同時開展了此系統的可解釋性分析，發現了其預測性能有明顯優勢的關鍵是該系統能夠較好地表征上遊黑潮流量變化和黑潮區中尺度渦的活動。此項研究為實現黑潮智能化集合預測奠定了基礎，為提升黑潮預測水平提供了新思路。
圖1. 黑潮預測系統模型結構。輸入為海面高度異常、經、緯向地轉流速、海面溫度、經、緯向風應力。
圖2. 以2020年1月17日為起始預報時刻，在不同預測時長，黑潮集合預測系統的預測（中間）與AVISO觀測（頂部）的黑潮路徑及相應類型。概率密度函數（底部）表示黑潮路徑類型的可能性。在預測時期，黑潮從跨越路徑轉變為洩漏路徑。
圖3. 當預測時長為3、7、11和14天時，黑潮入侵南海預測的敏感區域（a–d），及在該區域消除噪聲相對不消除噪聲的相對改善程度（e–h）。
我院海洋觀測與預報技術研究所主要從事海洋智能預測、資料同化、可預報性、海氣通量觀測技術、海洋遙感觀測反演技術等研究工作，已取得了一系列創新性成果，為提高海洋預報水平，保障國民經濟建設和國防安全提供了科技支撐。
相關論文信息：
Qian, J., Q. Wang*, P. Liang, S. Peng, H. Wang, and Y. Wu, 2024: Deep learning–based ensemble forecast and predictability analysis of the Kuroshio intrusion into the South China Sea. Journal of Physical Oceanography, DOI:10.1175/JPO-D-23-0175.1.
Qian, J., Q. Wang*, Y. Wu, X. Zhu, and Y. Shi, 2023: Causality–based Deep learning forecast of the Kuroshio Volume Transport in the East China Sea. Earth and Space Science, 10, doi:10.1029/2022ea002722.
論文鍊接：
https://journals.ametsoc.org/view/journals/phoc/aop/JPO-D-23-0175.1/JPO-D-23-0175.1.xml
https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2022EA002722
