利用长短期记忆网络LSTM对赤道太平洋海表面温度短期预报

作     者：张桃 林鹏飞 刘海龙 郑伟鹏 王鹏飞 徐天亮 李逸文 刘娟 陈铖 ZHANG Tao;LIN Pengfei;LIU Hailong;ZHENG Weipeng;WANG Pengfei;XU Tianliang;LI Yiwen;LIU Juan;CHEN Cheng

作者机构：中国科学院大气物理研究所大气科学与地球物理流体动力学数值模拟国家重点实验室北京100029 中国科学院大学地球与行星科学学院北京100049 哈尔滨工业大学电子与信息工程学院哈尔滨150001 北京应用气象研究所北京100029 西北工业大学航海学院西安710072 

出 版 物：《大气科学》 (Chinese Journal of Atmospheric Sciences)

年 卷 期：2024年第48卷第2期

页      面：745-754页

核心收录：

学科分类：07[理学] 070601[理学-气象学] 0706[理学-大气科学] 

基　　金：国家重点基础科学发展计划项目2022YFC3104802、2020YFA0608902 国家自然科学基金项目41976026、41931183 

主　　题：海表面温度 LSTM (long short-term memory) 短期预报 赤道太平洋 

摘      要：海表面温度作为海洋中一个最重要的变量,对全球气候、海洋生态等有很大的影响,因此十分有必要对海表面温度(SST)进行预报。深度学习具备高效的数据处理能力,但目前利用深度学习对整个赤道太平洋的SST短期预报及预报技巧的研究仍较少。本文基于最优插值海表面温度(OISST)的日平均SST数据,利用长短期记忆(LSTM)网络构建了未来10天赤道太平洋(10°S~10°N,120°E~80°W)SST的逐日预报模型。LSTM预报模型利用1982~2010年的观测数据进行训练,2011~2020年的观测数据作为初值进行预报和检验评估。结果表明:赤道太平洋东部地区预报均方根误差(RMSE)大于中、西部,东部预报第1天RMSE为0.6℃左右,而中、西部均小于0.3℃。在不同的年际变化位相,预报RMSE在拉尼娜出现时期最大,正常年份次之,厄尔尼诺时期最小,RMSE在拉尼娜时期比在厄尔尼诺时期可达20%。预报偏差整体表现为东正、西负。相关预报技巧上,中部最好,可预报天数基本为10天以上,赤道冷舌附近可预报天数为4~7天,赤道西边部分地区可预报天数为3天。预报模型在赤道太平洋东部地区各月份预报技巧普遍低于西部地区,相比较而言各区域10、11月份预报技巧最低。总的来说,基于LSTM构建的SST预报模型能很好地捕捉到SST在时序上的演变特征,在不同案例中预报表现良好。同时该预报模型依靠数据驱动,能迅速且较好地预报未来10天以内的日平均SST的短期变化。