3 e4 q7 U. b3 }+ Y- c& K* T! W% o8 n3 U$ z0 n2 u! }& n e- ?+ ]
图为神经网络水深反演结果与船测多波束数据对比示意图。子图a、b，c分别为多波束数据、水深反演结果及其差值空间分布图。
( a, A) h/ s5 _0 Y3 ^0 ^近日，自然资源部第一海洋研究所科研人员在重力反演水深研究领域取得新进展。研究结果以“Bathymetric Prediction Using Multisource Gravity Data Derived From a Parallel Linked BP Neural Network” 为题发表在国际地学TOP期刊、自然指数期刊《Journal of Geophysical Research: Solid Earth》上。& X. T8 b$ H. a0 z1 K
高精度的海底地形数据对研究海底地质过程、海洋环流和海洋生物等问题具有重要意义。传统的海底地形数据获取方式存在测量范围有限、耗费人力财力且数据分布不均匀的缺点，短时间内难以获取全球海底地形。随着卫星测高技术的发展，使用卫星测高重力数据预测水深已成为当前获取全球海底地形的主要手段之一。6 a+ h7 `5 @' q& e& `, Y: @
本研究基于重力与海底地形数据间的相关性，对重力异常数据以及垂直梯度重力异常数据进行处理，建立水深预测特征集，提出了一种基于神经网络的水深反演方法。结果表明，相比当前高精度反演方法如重力地质法，本文提出的方法精度提升了19%，并且在不同水深、不同海底地形中均表现出较强的适应性。本文通过大量实验证明了神经网络水深反演方法的高精度和可行性，为海底地形建模提供了全新的思路和方法。未来，这种方法在海洋科学领域的研究和实践中还将继续得到推广和应用，为更好地认识和探索海洋提供更加准确和精细的数据支持。8 N5 G4 I! ?. A. @, J: C) ?
海洋一所硕士研究生孙贺元为第一作者，导师为周兴华研究员，通讯作者为冯义楷高级工程师。该研究得到了国家自然科学基金项目以及山东省自然科学基金等项目的资助。
4 J1 [- X. d" S- r& H) f8 R" ~0 Phttps://doi.org/10.1029/2022JB024428, o% S# Y7 e: E6 _/ I- f. z
, |; c$ n. Q8 g4 R/ X# N* U7 L1 Z2 z
V% h. U2 O; I3 Q$ l4 K
- X& e9 b% i) ~信息来源：自然资源部海洋一所。
" v; G* J6 m. x+ Z |
/ @. ^. ?, }" O) a) P9 _. ?
