近日，由中国科学院海洋研究所研究员李晓峰和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，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方面取得进展。相关成果近日发表在Remote Sensing of Environment上。
海洋内孤立波在全球海域分布广泛，振幅可达上百米，在海洋传播过程中对海洋环境、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。该研究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，研究人员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，他们使用了实验室数据作为训练数据的补充，并创新性地利用人工智能迁移学习技术解决不同数据源的问题。基于该研究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。
该研究表明，在多源大数据背景下，以人工智能的纯数据驱动海洋信息为基础，构建针对复杂海洋现象的反演模型是可靠和可行的，具有广阔的应用前景。在模型搭建过程中不仅要依靠数据训练，而要充分考虑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桥梁。
人工智能技术作为一种新兴技术，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。上述研究工作得到中科院海洋大科学研究中心、中科院战略性先导科技专项、山东省重大创新工程及国家自然科学基金项目等资助。