我院海洋观测与预报技术研究所21级硕士生钱俊凯在王强老师的指导下，率先建立了黑潮人工智能集合预测系统，探讨了该系统的物理可解释性，揭示了影响黑潮预测的关键因子，为提高黑潮预测水平提供了支撑。相关成果发表于海洋学高质量期刊《Journal of Physical Oceanography》和《Earth and Space Science》，我院21级硕士研究生钱俊凯为上述论文第一作者，王强教授为通讯作者，合作者包括广东海洋大学梁朋博士、国防科技大学王辉赞副研究员、自然资源部第二海洋研究所朱小华研究员、南京水利科学研究院施勇教授级高级工程师、我院伍艳玲副教授和硕士生彭苏琪。
黑潮是北太平洋强劲的西边界暖流，其流量和路径变化对我国及周边区域的天气气候、海洋环境、渔业资源和航运安全等有重要影响，因此其预测研究一直受到广泛关注。但是由于黑潮变异受多尺度物理过程非线性相互作用的影响，其预测结果仍然存在较大的不确定性，为了刻画该不确定性，同时提高黑潮预测技巧，本研究建立了黑潮人工智能集合预测系统，该系统的预测能力优于国际上主流的GOPAF（Global Ocean Physics Analysis and Forecast）数值预测模式，同时开展了此系统的可解释性分析，发现了其预测性能有明显优势的关键是该系统能够较好地表征上游黑潮流量变化和黑潮区中尺度涡的活动。此项研究为实现黑潮智能化集合预测奠定了基础，为提升黑潮预测水平提供了新思路。
图1. 黑潮预测系统模型结构。输入为海面高度异常、经、纬向地转流速、海面温度、经、纬向风应力。
图2. 以2020年1月17日为起始预报时刻，在不同预测时长，黑潮集合预测系统的预测（中间）与AVISO观测（顶部）的黑潮路径及相应类型。概率密度函数（底部）表示黑潮路径类型的可能性。在预测时期，黑潮从跨越路径转变为泄漏路径。
图3. 当预测时长为3、7、11和14天时，黑潮入侵南海预测的敏感区域（a–d），及在该区域消除噪声相对不消除噪声的相对改善程度（e–h）。
我院海洋观测与预报技术研究所主要从事海洋智能预测、资料同化、可预报性、海气通量观测技术、海洋遥感观测反演技术等研究工作，已取得了一系列创新性成果，为提高海洋预报水平，保障国民经济建设和国防安全提供了科技支撑。
相关论文信息：
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.
论文链接：
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
