2月2日，海洋與氣象學(xué)院梁朋團(tuán)隊(duì)在海洋科學(xué)著名期刊《Journal of Geophysical Research: Oceans》在線(xiàn)發(fā)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(gòu)建了赤道太平洋高時(shí)空分辨表層海流，并指出熱帶太平洋東西海盆調(diào)控海流季節(jié)內(nèi)變化的不同動(dòng)力機(jī)制。學(xué)院碩士研究生游濟(jì)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、謝玲玲教授以及馬里蘭大學(xué)的Raghu Murtugudde教授為論文共同作者。

該研究由中國(guó)國(guó)家重點(diǎn)研發(fā)計(jì)劃、國(guó)家自然科學(xué)基金、我?？蒲袉?dòng)基金項(xiàng)目、廣東省高?？蒲袆?chuàng)新團(tuán)隊(duì)項(xiàng)目、廣東省西部沿海熱帶海洋環(huán)境觀(guān)測(cè)研究站以及我?，F(xiàn)代教育技術(shù)中心共同資助完成。

研究團(tuán)隊(duì)通過(guò)前饋神經(jīng)網(wǎng)絡(luò)，發(fā)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(gòu)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(dāng)前主流海流產(chǎn)品以及傳統(tǒng)海流算法結(jié)果相比和現(xiàn)場(chǎng)觀(guān)測(cè)數(shù)據(jù)具有更好的相關(guān)性和更低的均方根誤差。研究團(tuán)隊(duì)對(duì)智能模型反演海流進(jìn)一步分析發(fā)現(xiàn)，季節(jié)內(nèi)振蕩分別解釋了緯向和經(jīng)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(xiàn)出不同的特征。

該研究成功訓(xùn)練構(gòu)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(shí)空分辨率的海流資料提供了可能途徑，同時(shí)也指出赤道太平洋西部和東部海盆海流季節(jié)內(nèi)振蕩特征及其動(dòng)力學(xué)機(jī)制的顯著差異，深化了對(duì)熱帶海洋環(huán)流動(dòng)力學(xué)的理解。