人工智能在海洋学的最新进展

随着PB级的海洋观测和数值模式数据的应用，人工智能（AI）在海洋学各领域的应用越来越广泛。本文从海洋特征智能识别、海洋参数智能预测和海洋动力参数智能估算的角度进行了综述，包括中尺度涡旋、内波、溢油、海冰和海藻智能识别；有效波高、ENSO和风暴潮的智能预报；以及海洋湍流混合参数化方案和大气湿物理过程参数化方案的智能估算。此外，本文在海洋学背景下讨论了基于物理机制的机器学习，描述了海洋数字孪生和物理约束人工智能算法在海洋学领域的应用前景。这篇综述旨在向海洋科学的研究者和专家介绍人工智能技术，并鼓励将依赖物理信息的神经网络应用于未来的海洋研究。

强大的计算机、算法和数据容量的快速发展，使人类能够处理PB级的数据，海洋大数据也由此萌生，人类对海洋有了全新的理解。但如何处理不断增加的复杂数据，以最小的计算代价快速执行精准预报仍是需要我们攻克的重要课题。针对这些问题，近年来兴起基于数据驱动的人工智能方法愈发凸显其优势，只需要一次性耗费训练时间，就可以用训练好的模型实现快速、精确地识别和预报。

本文回顾了基于海洋大数据的人工智能算法在海洋科学中的发展和应用。先后介绍了人工智能算法在中尺度涡旋、内波、溢油、海冰和海藻等海洋特征智能识别中的应用；用于预测单点和空间有效波高、ENSO和风暴潮的人工智能方法；以及智能算法在海洋湍流混合参数化方案和大气湿物理过程参数化方案中的发展。

本篇综述从识别、预测、参数化方案和物理信息神经网络四个方向，总结了目前人工智能算法在海洋科学领域的发展和应用。目前大部分应用都将AI方法视为黑盒子，其与已有的物理知识的结合仍需要更多的研究。AI求解PDE带来了两个发展潜力巨大的方向，即数字孪生和数据驱动预测。这些应用将可能摆脱目前数据驱动的AI方法过度依赖于数据而非物理先验知识的困境，与物理机制有效地结合在一起，将为人类对海洋的认知和预测提供更多的帮助。

来源：Science Partner Journals、OLAR海陆气研究