近日，我所海气中心技术研发人员在海洋内波高精度观测技术方面取得了重要突破。研究团队基于深度学习方法，提出了一种面向浮标平台的自适应智能观测策略（示意图如图1），有效解决了传统海洋内波观测中能耗高、采样频率低等技术难题。

海洋内波是发生在海洋密度跃层中的大振幅波动现象，振幅可达数十米甚至上百米，对海洋能量传递、物质输运及水下航行安全具有重要影响。然而，传统现场观测手段受限于能源供给和维护成本，难以实现高时空分辨率与长时间连续观测的兼顾，制约了内波精细结构及其演变过程的深入研究。

针对上述问题，研究团队创新性地提出了一种“低耗监测—智能触发—精准捕获—数据优化”的闭环观测策略（方法结构图如图2）。该系统通过内波识别模块、结束点检测模块与数据补全模块的协同工作，在常规状态下采用低分辨率采样以节约能源，一旦检测到内波信号，则自动切换至高分辨率模式，确保关键数据的完整获取。

实验基于安达曼海白龙浮标实测温度剖面数据开展，结果表明：内波识别模块采用4个观测层和3分钟采样频率时，整体识别准确率达95%，延迟为8.095分钟。在引入考虑时间不确定性的建模方法后，波动结束点的判断准确率提升了71.9%。同时，数据补全模块的均方根误差（RMSE）低至0.1596℃。上述数据共同验证了本方法的可靠性，系统整体检测内波的效果如图3所示。系统整体测试结果亦显示，该策略在复杂海洋环境下仍能保持稳定、高效的数据采集性能。

本研究成果为海洋内波实时、高精度观测提供了新的技术路径，有望在海洋动力过程监测、水下航行安全保障及海洋环境预测等领域实现广泛应用。相关研究成果以“基于深度学习的自适应采样策略：应用于海洋内波观测”为题，发表于《Ocean Engineering》2区TOP期刊，通讯作者为我所海气中心正高级工程师宁春林，第一作者为我所博士研究生袁国正。

论文链接：

https://doi.org/10.1016/j.oceaneng.2025.123399

图1、利用海洋浮标的内波观测示意图

图2、高精度内波观测策略框图

图3、系统性能评估：(a)简单背景条件下的数据采集有效性；(b)复杂背景条件下数据采集的有效性