In den letzten Jahren hat die Forschung zur Abschätzung der Intensität von tropischen Zyklonen mit der Entwicklung des Deep Learning, der Fernerkundungstechnologie und anderer verwandter Bereiche rasche Fortschritte gemacht. Die Datenquellen für die Abschätzung der Intensität von tropischen Zyklonen erstrecken sich allmählich von Einzelkanal-Daten auf Mehrkanal-Daten, einschließlich Infrarot-, Wasserdampf-, Mikrowellendaten usw.; und die Abschätzmethoden entwickeln sich auch von subjektiven Methoden zur manuellen Extraktion von Merkmalen hin zu objektiven Methoden auf der Grundlage von Deep-Learning-Modellen, um die automatisierte Abschätzung abzuschließen. Dieser Artikel fasst umfassend die aktuellen Fortschritte bei der Abschätzung der Intensität von tropischen Zyklonen auf der Grundlage von Deep Learning zusammen und fasst kurz die verwendeten Datenquellen und Datensätze zusammen. Schließlich wird vorgeschlagen, die zukünftigen Forschungsrichtungen für die Abschätzung der Intensität von tropischen Zyklonen anzupassen: Einerseits sollte man sich an die gegenwärtige Entwicklungssituation großer Fernerkundungsdaten anpassen, entschieden neue Theorien und Methoden im Bereich des Deep Learning einführen und umfassend Multi-Source-Daten zur Verbesserung der Präzision und Generalisierung nutzen; andererseits sollte man sich auf die meteorologischen Merkmale und Mechanismen von tropischen Zyklonen konzentrieren, vorhandene Methoden gezielt verbessern. Darüber hinaus werden im Kontext von meteorologischen Megadaten die Methoden des Deep Learning auf dem Gebiet der Abschätzung der Intensität von tropischen Zyklonen zu neuen Durchbrüchen führen.

tropischer Zyklon; Deep Learning; Intensitätsabschätzung; Convolutional Networks; Multi-Channel-Daten