原创 MDP 转载于 台风动力学与预报理论

热带气旋是地球上最主要的自然灾害之一，其尺度不仅直接影响其灾害范围，还对其移动路径和强度产生间接影响，因此研究热带气旋尺度的长期变化趋势是一项重要的科学课题。但目前只有少数几项研究探讨了热带气旋尺度的气候变化特征。其中，缺乏长期、可靠、质量一致的台风尺度历史观测数据是限制相关研究的主要难题之一。

南京大学谈哲敏院士研究团队利用团队最新研发的物理增强的深度学习模型（DeepTCNet；Zhuo and Tan 2021），从过去近40年的卫星连续观测资料中重建了一套全新的西北太平洋台风尺度数据集——DeepTCSize。该数据集包含了台风外围风场到内核半径的关键物理要素（R17，R26，R33和RMW；即17 m/s，26 m/s，33 m/s风圈半径和最大风速半径），为台风尺度和结构提供了详尽的描述。DeepTCSize与经过季后订正的联合台风警报中心的最佳路径数据水平相当，两者的相关性在0.76至0.85之间。此外还利用多颗卫星洋面风观测对DeepTCSize数据集的质量进行了进一步的验证。由于该研究使用了迁移学习技术，基于最新3年的西北太平台风最佳路径资料（代表台风尺度目前最佳分析水平）进行模型的训练，因此可以认为DeepTCSize是利用深度学习方法将目前台风尺度数据的最佳分析水平扩展至1980年至今的整个卫星观测时期。除了数据质量的提升，DeepTCSize在时间一致性方面，相比联合台风警报中心和日本气象厅的台风历史数据集也具有明显优势（图1）。利用新的台风尺度数据集发现：在1981至2017年，西北太平洋台风的外围尺度有显著的扩张趋势（R17和R26每10年约增大2%），且主要与强度较弱的台风有关；而台风内核尺度（RMW）则呈收缩趋势，主要与中等强度的台风有关（图2）。

图1. 西北太平洋地区台风尺度数据集对比，以R17为例。

该研究首次应用人工智能技术重建了一套满足气候变化研究需求的长期、可靠、质量一致的西北太平洋地区台风尺度数据集。其中，使用有物理约束的深度学习方法是改进基于常规卫星观测估计台风尺度、从而建立长期可靠的台风尺度数据集的技术关键；新的台风尺度数据集则在台风气候学研究、风险评估、灾害管理以及模式评估、算法发展等多个领域均有运用价值。研究论文以“A Deep-Learning Reconstruction of Tropical Cyclone Size Metrics 1981–2017: Examining Trends”为题发表在《Journal of Climate》上，研究工作受到国家自然科学基金委重大项目“台风发生发展理论与精细预报技术研究（42192555）资助。论文第一作者为课题组的博士毕业生卓静仪，现为哥伦比亚大学博士后研究员，通讯作者为南京大学谈哲敏院士。