会议时间：12月6日（周五）10:00-11:30

腾讯会议：406-383-793

腾讯会议链接：https://meeting.tencent.com/dm/M7IPJ1VpnxzG

召集人：张翰 副研究员

报告人：林夏艳 副教授（浙江海洋大学）

报告题目：基于3D-U-Res-Net算法的南大洋三维涡旋识别与追踪

报告人简介：林夏艳，浙江海洋大学海洋科学与技术学院副教授，浙江省第十二届青教赛二等奖，主持省级线下一流课程《海洋要素分析》。主要从事涡致输运、台风-涡旋相互作用、涡旋-渔业生态系统相互作用以及人工智能叶绿素预报、三维涡旋识别追踪等工作。主持国家自然科学青年基金以及其他项目共6项，在JGR-Oceans, Ocean Modelling 等期刊发表学术论文30余篇，其中第一作者和通讯作者论文9篇。浙江省海洋学会会员，人工智能海洋学专业委员会委员。

报告摘要：海洋中尺度涡旋遍布全球海洋，在物质和能量输送中发挥着重要作用，同时对气候变化产生重大影响。准确表征它们的三维结构和移动路径对于定量分析其输送过程至关重要。传统的涡旋检测算法成功率较低且限制较多，因此在复杂多变的海洋环境中需要根据海区调整阈值。人工智能算法因其高效、高成功率而成为新的手段。本研究采用 3D-U-Res-Net 算法，利用 2011 年至 2020 年的 GLORYS12V1 数据识别南大洋中尺度涡旋的三维结构，并与传统的VG算法进行对比。研究发现，3D-U-Res-Net 算法的成功检测率为 100%，对于涡旋追踪，两者的偏差为 2.15%。此外也对两种算法的涡旋的平均半径、寿命和传播距离进行比较，发现3D-U-Res-Net算法识别和追踪的涡旋具有更长的半径、寿命和传播距离。对四种涡旋三维结构：碗状、锥形、透镜状和圆柱状进行统计发现，3D-U-Res-Net识别出了更多的柱状涡。此外，AI算法的计算耗时明显小于传统算法，效率提升了约10倍。