內波在海洋中廣泛分佈，其振幅可達數百米，影響海洋環境。
遙感是觀測海洋內波的重要方法。然而，無法從遙感影象中反演內波振幅。
近日，中國科學院海洋研究所（IOCAS）李曉峰博士領導的研究團隊應用人工智慧（AI）遷移學習技術，整合實驗室、浮標和遙感資料，研究內波。
該研究於 2 月 9 日發表在 Remote Sensing of Environment 上。
研究人員應用原位和遙感資料建立匹配的資料集進行模型訓練，並利用 AI 遷移學習技術解決不同資料來源的問題，準確重構內波的三維結構。
基於 AI 遷移學習的內孤波振幅反演模型是一個兩階段模型。在第一階段，應用遷移學習來處理不同的內波資料來源。引入了一種受 ResNet 啟發的定製修改，稱為短連線。在第二階段，模型利用實際海洋的密度資訊對第一階段的結果進行偏差校正。
“該模型可以透過以衛星影象提取的資訊為輸入來反演內波振幅，並且可以重建內波的三維結構，”李博士說。
相關結果表明，基於純資料驅動的海洋資訊大資料開發複雜海洋現象反演模型是可靠可行的。
“作為一項蓬勃發展的新興技術，人工智慧技術可以在研究複雜的海洋現象中建立快速、直接的對映關係，”李博士說。
