基于深度学习的南海海表面温度的智能化预测研究
海表面温度(sea surface temperature, SST)是影响海洋和气候变化的重要因素之一，准确预测SST的变化对于海洋生态环境、气象和航行等至关重要。传统的SST预测方法通常依赖于数值模式，但是其计算成本较高。该文基于深度学习模型(3D U-Net)，将SST、海表面高度异常(sea surface height anomalies, …
Bowen Xie
•
•
1 分钟阅读时长
基于深度卷积神经网络的海洋多目标涡旋检测方法
提出了一种基于深度卷积神经网络的海洋多目标涡旋检测方法。首先利用改进的密集卷积精确提取海洋涡旋特征，并使用跨层融合技术提高特征的利用率，来充分捕捉边缘信息；然后结合转置卷积和跳过连接构建上采样路径得到检测结果，以获得更高的检测准确率；最后在CMEMS(哥白尼海洋环境监测服务中心)发布的公开数据集上对本工作提出的方法进行了对比实验，实验结果表明：与 …
Qiming Liu
海量数据驱动下的高分辨率海洋数值模式发展与展望 (development and prospect of high-resolution ocean numerical models driven by massive data)
海洋数值模式是定量描述海洋物理现象及其变化的数值模型,也是海洋与气候研究、预测的核心工具。随着海洋观测的不断投入与积累、对海洋认识的不断深入,特别是在高性能计算技术的支撑下,海洋数值模式已有了长足进步,正朝着高分辨率和多物理过程的方向发展。随着分辨率的提高、物理过 程的细 化,海洋数值模式的发展面临着多个方面的挑战。当前,海洋数据数量和种类不断增多,同时超级 …
