95开头电话申请-f1加拿大站
海洋温度反映了海水的热状态，海洋温度的变化主要取决于海洋热收支及其时间变化。太阳辐射和海洋大气热交换是影响海水温度的两个主要因素。具体来说就是纬度、洋流、季节、深度、海洋生物运动等。都会影响海水温度的变化。中国科学院沈阳自动化研究所副研究员周晓峰从太空的角度看，地球就像一个蓝色的“水球”，海洋面积占地球总面积的70.8%。海洋中的各种变化都可能改变人类的生活。其中，海水温度的变化与全球变暖、渔业和海洋环境保护等密切相关。因此，在海洋大数据研究中，海水温度预测在海洋科学中占有重要地位。近日，中国科学院沈阳自动化研究所(以下简称沈阳自动化所)在海洋温度预报方法研究方面取得新进展，将其基于三维时空的四维卷积模型应用于海洋温度的高精度预报。相关研究成果发表于美国电气电子工程师学会国际期刊《地球科学与遥感通讯》，并申请相关专利。影响海水温度的因素很多。“海洋温度反映了海水的热状态，海洋温度的变化主要取决于海洋热收支的状态及其时间变化。太阳辐射和海洋-大气热交换是影响海水温度的两个主要因素。”沈阳自动化研究所副研究员周晓峰介绍，具体来说，纬度、洋流、季节、深度、海洋生物运动等都会影响海水温度的变化。在开阔洋中，表层海水的等温线分布大致平行于纬度圈，因为从地球表面获得的太阳辐射热受地球形状的影响，不同纬度太阳辐射不同，温度也不同，所以表层海水的温度从赤道向两极递减。同样，在不同的季节，海水接收到的太阳辐射不同，所以温度也不同。海水温度夏季高，冬季低。但在同一纬度海域，流经海水的暖流温度较高，流经海水的冷流温度较低。此外，从海平面到深海海底，海水温度像奶油蛋糕一样分成许多层，温度会随着海水深度的增加而降低。太阳辐射的热量大部分被表层海水吸收，白天吸热，晚上放热。在海水对流和波浪的作用下，表层海水形成温度相对均匀、厚度约100米的混合层。从表层海水到1000米深度，水温随着深度的增加而迅速下降，而1000米以下的深海受太阳辐射和地表热传导对流的影响较小，因此水温下降缓慢。“目前，世界海洋的水温普遍在-2至30之间，年平均水温超过20的区域占海洋总面积的一半以上。”周晓峰介绍，但随着深度的增加，水温逐渐下降(约每1000米下降1-2)，3000-4000米水深时温度达到2-1。除了这些定律，海洋中还有温跃层。冷暖海水交汇处温度变化剧烈，两侧海水密度差异明显。中间的薄水层叫做温跃层，也叫温跃层。“温跃层的形成是因为水体不同深度的密度不同，水体本身上下的对流不足以均匀混合密度差使其稳定存在，从而形成密度分层现象。”周晓峰解释道。过去，大多数研究集中在海面上。目前，海洋温度预测的方法大多集中在海洋表面。在海洋表面，海水温度的日变化很小，主要是以年为周期变化。因此，目前大多数的预测方法都是时间序列预测，使用的是一段时间的tem 周晓峰说，海洋中不规则的温跃层也增加了海洋温度预测的难度，因为温度变化趋势会在温跃层位置突然改变。温跃层有两种形式：季节温跃层和主温跃层。季节性温跃层不是大尺度海洋温度的存在形式，其形成时间也不是周期性的。“我们无法判断观测到的温跃层是长期存在还是暂时存在，也很难提前预测温跃层的位置和形状，这也是目前海水温度研究集中在海面的原因之一。”他说。在实际应用中，海洋内部温度的预测比表面温度的预测更重要。无论是水下探索还是对海洋生物的研究，都需要利用海洋内部的温度，而不仅仅是表面。比如周晓峰说：“比如温跃层的研究具有重大的军事意义，对潜艇的兴衰有一定的影响。因此，现有的表层海水温度预测数据不能支持许多实际的海洋工作。”四维模型使温度预测更加准确。针对目前海水温度预测局限于海洋面，仅考虑时间序列预测的问题，沈阳自动化学院数字工厂研究室大数据课题组提出了基于时空四维卷积网络的模型来解决这些问题。“时空四维卷积模型由三维卷积网络、残差网络和再校准模块三部分组成。”周晓峰介绍，海洋温度数据本身是由经度、纬度和深度组成的三维栅格数据，时间维度增加后形成四维矩阵。利用四维卷积网络，提取海洋温度数据的时间特征和三维空间特征。四维卷积网络的意义在于实现时空双重特征提取。由于卷积运算是线性运算，它们在三维卷积原理的基础上进行改变，实现四维同时卷积。对于普通的神经网络，深度层次越多，优化算法的训练难度越大，训练误差也会越大。残差模块可以优化深度神经网络，残差网络可以进一步深化网络，进一步提取海洋温度的空间特征。“在整个海洋空间中，来自邻近区域的数据对预测的贡献在空间上是不同的。有的位置温度多变，有的位置温度稳定；有些位置等温线密集，有些位置等温线稀疏。”周晓峰介绍，为了提高模型性能，研究人员给模型在残差模块后面加入了再校准模块。再校准模块的意义就是探索并量化各个区域特征的贡献程度，对前面计算得到的特征数据进行加权。重要特征赋予较高权重，不同位置也赋予不同权重，然后将特征进行加权求和，得到最终结果，由此提高模型的质量。课题组利用时空四维卷积模型进行了横截面方向和剖面方向的两方面实验。实验显示，时空四维卷积模型可以准确预测水平方向0—-2000米的海洋温度，且准确度并不受海洋深度影响，均在98%以上，并有大部分大于99%。对于剖面方向，时空四维卷积模型可以准确预测出季节性温跃层和主温跃层的位置和形状，准确度不受海洋位置影响，均大于99%。此外，课题组还将时空四维卷积模型与目前的预测方法做了对比，在平均绝对误差（MAE）、均方误差（RMSE）、预测精度（ACC）和R平方（R-squared）等各个指标上，新模型都达到了最优的效果。“时空四维卷积模型利用海洋温度数据的双重特征提取，并对特征以及区域进行加权，实现了海洋内部温度的数据预测，打破了目前对于海表温度预测的局限性，并将温跃层的预测变为可能。”周晓锋说。特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。