太阳集团1088vip

太阳集团1088vip
學校首頁
  • 太阳概況
    • 學院介紹
    • 專業介紹
    • 現任領導
    • 教授委員會
    • 曆任領導
    • 組織框架
    • 學位委員會
  • 黨建工作
    • 組織概況
    • 理論學習
    • 黨建動态
    • 黨支部建設
    • 黨員發展
    • 黨務公開
  • 學科建設
    • 發展曆程
    • 重點學科
    • 學科動态
    • 學科規劃
  • 師資隊伍
    • 高層次人才
    • 海洋科學系
    • 大氣科學系
    • 實驗教學中心
  • 人才培養
    • 本科生教育
    • 研究生教育
    • 校友風采
  • 教務教學
    • 教務通知
    • 課程安排
    • 教學系統及其他系統
  • 科學研究
    • 科研動态
    • 科研成果
  • 學生工作
    • 團學組織
    • 學工動态
    • 學生事務
    • 就業信息與指導
    • 管理辦法
  • 工會工作
    • 工會組織
    • 工會活動
    • 工會通知
  • 人事工作
    • 人事通知
    • 人才招聘
  • 院務公開
    • 黨政聯席會議紀要
    • 教授委員會會議紀要
    • 規章制度
  • 資料下載
    • 科研資料下載
    • 學科資料下載
    • 教學資料下載
    • 學工資料下載
    • 黨建資料下載
    • 其他資料下載

首頁

  • 測試

學術科研

當前位置: 首頁 -> 正文

【海院科研進展】我院研究生發表論文構建赤道海區海表面流速智能反演算法


2025年2月2日,太阳集团1088vip梁朋團隊在海洋科學著名期刊Journal of Geophysical Research: Oceans在線發表了題為“Mechanisms of Intraseasonal Oscillation in Equatorial Surface Currents in the Pacific Ocean Identified by Neural Network Models”的研究論文。該研究基于人工智能方法構建了赤道太平洋高時空分辨表層海流,并指出熱帶太平洋東西海盆調控海流季節内變化的不同動力機制。海氣院碩士研究生遊濟銘為論文第一作者,梁朋老師為論文通訊作者,楊麗娜副教授、仉天宇教授、謝玲玲教授以及馬裡蘭大學的Raghu Murtugudde教授為論文共同作者。

由于赤道海區的科氏參數為零,傳統基于地轉平衡理論和風生埃克曼流理論反演海洋表層流速的方法無法在赤道海區直接應用。同時,受觀測數據匮乏的影響,赤道太平洋表層海流的季節内振蕩特征也尚未得到詳細研究。研究團隊首先通過前饋神經網絡,發展了一種利用多源海面變量反演赤道太平洋表層流速的人工智能模型,并構建了1993年至2017年期間的逐日赤道太平洋表層海流(0.25°×0.25°)。模型反演的海流與當前主流海流産品以及傳統海流算法結果相比和現場觀測數據具有更好的相關性和更低的均方根誤差(圖1)。

研究團隊對智能模型反演海流進一步分析發現,季節内振蕩分别解釋了緯向和經向海流方差的10-30%和20-50%,并且在太平洋西部海盆和東部海盆表現出不同的特征。西太平洋海盆受熱帶大氣季節内振蕩(Madden-Julian Oscillations, MJO)主導,在厄爾尼諾期間的表層海流季節内振蕩更為強烈。特别在東部型厄爾尼諾夏季和冬季期間,緯向流中顯著的季節内振蕩(-0.25–0.28 m s-1)幾乎貫穿整個西部海盆。而在中部型厄爾尼諾冬季,強度更為顯著(-0.27–0.32 m s-1)(圖2a–d)。另一方面,盡管經向流的季節内振蕩強度與緯向流相比顯著減弱,但在東部型厄爾尼諾冬季期間,仍可向東延伸至150°W左右(圖2e–h)。對于東太平洋海盆,季節内振蕩主要來源于斜壓不穩定性,并随着相速度向西傳播,在拉尼娜期間,其傳播速度和覆蓋範圍最大,而在厄爾尼諾期間則相反(圖3)。

該研究成功訓練構建了能夠較好反演逐日赤道太平洋表層海流的人工智能模型,為獲得高時空分辨率的海流資料提供了可能途徑。同時也指出赤道太平洋西部和東部海盆海流季節内振蕩特征及其動力學機制的顯著差異,深化了對熱帶海洋環流動力學的理解。

該研究由中國國家重點研發計劃、國家自然科學基金、太阳集团app首页科研啟動基金項目、廣東省高校科研創新團隊項目、廣東省西部沿海熱帶海洋環境觀測研究站以及太阳集团app首页現代教育技術中心共同資助完成。


相關論文信息:

You J, Liang P, Yang L, et al. Mechanisms of intraseasonal oscillation in equatorial surface currents in the Pacific Ocean identified by neural network models[J]. Journal of Geophysical Research: Oceans, 2025, 130(2): e2024JC021514.

文章鍊接:

https://doi.org/10.1029/2024JC021514

圖1. (a,f)前饋神經網絡模型、(b,g)OSCAR、(c,h)AVISO地轉流與埃克曼流之和、(d,i)多元線性回歸模型和(e,j)β地轉流與埃克曼流之和的概率密度分布,與實測數據對比,并在左上角标注相應的相關系數和均方根誤差(單位:m s⁻¹)。上(下)排分别對應緯向(經向)分量。

圖2. 赤道太平洋表層海流的合成(a–d)緯向和(e–h)經向ISOs(20–90天帶通濾波;單位:m s-1)在(a,e)中性年、(b,f)EP型厄爾尼諾年、(c,g)CP型厄爾尼諾年和(d,h)拉尼娜年期間的表現。(b–d)和(f–h)中的第0天表示每次厄爾尼諾(拉尼娜)事件中,Niño3.4指數達到最大(最小)值時的月份中間日期。在中性年(a和e),第0天選為12月15日,以便與大多數 ENSO事件的情況對齊。-90到1天(1到90天)表示相對于第0天的超前(滞後)天數。紫色線表示海流ISOs信号在東部海盆的傳播路徑。在特定氣候模态下,緯向和經向洋流的傳播速度相似。中性年、EP型厄爾尼諾年、CP型厄爾尼諾年和拉尼娜年的平均相位速度分别為0.436±0.008、0.376±0.008、0.405±0.008和0.542±0.016 m s-1,誤差為每種模态下沿十條路徑計算的相速度标準差。

圖3. 在(a,e)中性年、(b,f)EP型厄爾尼諾年、(c,g)CP型厄爾尼諾年以及(d,h)拉尼娜年期間,(a–d)赤道東太平洋海盆的正壓轉換率和(e–h)斜壓轉換率。-90至90天的定義與圖2相同。


E-mail:hyyqxxy163@163.comTel:(0759)2396055

地址:廣東省湛江市湖光岩東郵政編碼:52488Copyright © 太阳集团1088vip(中国)股份有限公司-app首页 版權所有