In den letzten Jahren hat die Forschung zur Abschätzung der Intensität tropischer Wirbelstürme mit der Entwicklung von Deep Learning, Fernerkundungstechnologien und verwandten Fachgebieten schnelle Fortschritte erzielt. Die Datenquellen für die Abschätzung der Intensität tropischer Wirbelstürme haben sich schrittweise von Ein-Kanal-Daten auf Mehrkanal-Daten erweitert, einschließlich Infrarot-, Wasserdampf- und Mikrowellendaten; die Abschätzungsmethoden haben sich ebenfalls von subjektiven Methoden mit manueller Merkmalsextraktion hin zu objektiven Methoden entwickelt, die automatisiert durch Deep-Learning-Modelle durchgeführt werden. Dieser Artikel fasst systematisch den aktuellen Forschungsstand zur Abschätzung der Intensität tropischer Wirbelstürme basierend auf Deep Learning zusammen und gibt eine kurze Übersicht über die von den Algorithmen genutzten Datenquellen und Datensätze. Abschließend werden zukünftige Forschungsrichtungen vorgeschlagen: Einerseits muss man sich an die Entwicklung von Big Data in der Fernerkundung anpassen, kontinuierlich neue Theorien und Methoden im Deep Learning einführen und multiquellendatenintegrativ zur Verbesserung von Genauigkeit und Generalisierungsfähigkeit nutzen; andererseits muss man die meteorologischen Eigenschaften und Mechanismen tropischer Wirbelstürme berücksichtigen und vorhandene Methoden gezielt verbessern. Darüber hinaus werden Deep-Learning-Methoden vor dem Hintergrund von meteorologischen Big Data zu neuen Durchbrüchen im Bereich der Abschätzung der Intensität tropischer Wirbelstürme führen.

tropische Wirbelstürme; Deep Learning; Intensitätsschätzung; Faltungsnetzwerke; Mehrkanaldaten