时空大数据与基模型驱动大洋千米层流场知识发现
文献类型：学位论文
| 作者 | 樊荣 |
| 答辩日期 | 2025-06 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 苏奋振 |
| 关键词 | 地理智能分析 时空大数据 时空重构 数据挖掘 海洋环流变化 |
| 学位名称 | 博士 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 随着人工智能和大模型技术的飞速发展，大数据驱动知识发现已经成为现代科学研究的新范式，尤其在海洋科学领域，时空大数据和地理智能分析技术的融合发展极大推动了海洋环境与变化机制认知的革新。中层洋流作为全球洋流系统的重要组成部分，深刻影响着全球能量、物质循环及气候调节过程。然而，当前中层洋流的研究尚处于起步探索阶段，在数据、方法和认知方面仍存在一定不足：基础数据方面，尽管Argo等观测计划能够提供一定支持，但中层洋流的全球观测依然稀缺，且现有的模拟再分析数据存在系统性误差，整体来看缺乏连续、准确的长时序数据集；分析方法方面，经典海洋动力学建模理论在适用性和精度上存在局限，而人工智能分析方法在海洋领域面临算法普适性和训练样本质量等挑战；机理认知方面，中层洋流现有模型的准确性还未得到充分验证，且物质能量运输特征以及其长期变化趋势的剖析有待提升。因此，亟需基于精细化时空数据和智能算法模型系统解析其动态演变规律。 本研究面向时空大数据智能分析与海洋科学交叉领域的关键科学问题，针对中层洋流机理认知不足、时空关联解析复杂及跨尺度动力耦合困难等关键挑战，在地理空间智能理论与方法的指导下，探索了“多源异构数据融合—物理约束建模—特征深度挖掘”的智能动力耦合分析范式，将千米层流场视作中层洋流研究的横断面开展一系列研究。首先，基于2001—2020年间Argo浮标轨迹解算真实流速数据，构建了基于浮标轨迹的流场评估模型，揭示了当代海洋数值模式对千米层流场动力特征的系统性表征偏差。进一步地，根据浮标轨迹建立大洋千米层输运网络，验证了海区尺度的动力连通性。其次，提出了一种“预训练-微调”时空智能重构框架，成功实现了了千米层高质量流速场的重建，最后分析了大洋千米层流场的动能时空变化特征。本研究的主要学术贡献如下： （1） 揭示全球格网尺度的流速流向系统性误差。基于全球130万条Argo浮标轨迹，设计了流场轨迹对象化模拟评估模型，本研究分析发现全球大洋千米层流场仅有不足5%能够被准确认识并由数值模式精准模拟，主要包括赤道太平洋和南极绕极流。流场能量低估与方向估计偏移是引起科学认知和模拟偏差的最主要原因，尤其在中高纬度典型流系（如西边界流）偏差尤为显著。 （2） 突出全球海区尺度的物质能量输运显著偏差。基于Argo浮标轨迹和拉格朗日模拟示踪分析建立起观测和模拟海洋连通网络，本研究发现大洋千米层的真实连通效率显著高于当前科学认识：观测网络的全球平均最短连通时间为4.53年，显著快于模拟网络的8.17年。模拟网络在海区尺度的输运能力上凸显出普遍低估（2~3倍），尤其是在北大西洋、印度洋与赤道大西洋区域。此外，大西洋经向翻转环流的跨赤道分支和亚热带—极区间的关键通道在模拟网络中亦呈大幅阻塞状态。 （3） 建立物理时空关系约束的时空智能建模框架。为兼顾物理模拟物理一致性强和观测资料真实可靠的优势，本研究提出一种物理时空关系约束的时空智能建模框架，同时建立了一种顾及时空过程的预训练模型构建方法。经验证，在千米层流场案例中，预训练模型构建方法的精度较传统机器学习方法提升27.8~35.3%，时空智能建模框架较直接学习建模框架提升5.1~25.4%。千米层流速重建场在物理特征重现和时空连续表达方面与物理数值模拟高度一致，验证了智能建模框架和预训练方法的有效性和可靠性。 （4） 提出全球大洋千米层流场呈长期减速趋势。研究发现，全球大洋千米层流场动能呈现出明显的衰减趋势，特别在2010—2020年减缓速率提升了85.3%。流速变化趋势具备显著的空间分异特征，北大西洋、印度洋及热带—亚热带太平洋为主要减速区域，而南大洋则表现出独特的纬向带状变化模式。相比于2001—2010年间，2010—2020年间总动能衰减15.18×10 26 J，南大洋、热带—亚热带太平洋、北大西洋和印度洋是主要衰减区，占据全球动能变化的93.14%。 通过融合时空大数据与大模型前沿技术手段，本研究实现了海洋时空大数据向流场动力学科学认知的有效转化，探索了时空大数据驱动地理空间智能分析和地球科学知识发现的新型研究范式。研究成果不仅深化了对海洋多尺度动力过程的理解，还为海洋资源开发、生态环境监测、防灾减灾等应用领域提供了理论支撑和技术保障，有望推动地理空间智能分析与海洋科学的融合发展。 |
| 学科主题 | 地图学与地理信息系统 |
| 语种 | 中文 |
| 页码 | 154 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/217352]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 樊荣. 时空大数据与基模型驱动大洋千米层流场知识发现[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2025. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。