Ocean-E2E：基于物理与数据驱动混合的端到端神经同化全球极端海洋热浪预报
地球物理
2025-08-15 v3
摘要
本工作聚焦于全球极端海洋热浪（MHWs）的端到端预报，这是一类异常温暖的海洋表面温度事件，对海洋生态系统具有深远影响。准确预测极端 MHWs 具有重要的科学与经济价值。然而，现有方法在预报一般模式和极端事件方面仍存在一定局限性。在本研究中，为解决这些问题，基于 MHWs 的物理本质，我们提出了一种新颖的混合数据驱动与数值 MHWs 预报框架 Ocean-E2E，该框架能够通过端到端数据同化进行长达 40 天的准确 MHW 预报。我们的框架通过基于动力学核显式建模海洋中尺度平流和海气相互作用的作用，显著提升了 MHWs 的预报能力。此外，Ocean-E2E 具备端到端 MHWs 预报和区域高分辨率预测的能力，使得我们的框架能够完全独立于数值模型运行，同时优于当前最先进的海洋数值/AI预报-同化模型。实验结果表明，所提出的框架在全球到区域尺度以及短期到长期预报中均表现优异，尤其是在那些最极端的 MHWs 中。总体而言，我们的模型为预报和理解 MHWs 及其他极端气候事件提供了一个框架。我们的代码可在 https://github.com/ChiyodaMomo01/Ocean-E2E 获取。
引用
@article{arxiv.2505.22071,
title = {Ocean-E2E: Hybrid Physics-Based and Data-Driven Global Forecasting of Extreme Marine Heatwaves with End-to-End Neural Assimilation},
author = {Ruiqi Shu and Yuan Gao and Hao Wu and Ruijian Gou and Kun Wang and Yanfei Xiang and Fan Xu and Qingsong Wen and Xiaomeng Huang},
journal= {arXiv preprint arXiv:2505.22071},
year = {2025}
}