Ces dernières années, avec le développement de l'apprentissage en profondeur, des technologies de télédétection et d'autres domaines connexes, la recherche sur l'estimation de l'intensité des cyclones tropicaux a progressé rapidement. Les sources de données utilisées pour l'estimation de l'intensité des cyclones tropicaux évoluent progressivement des données à un seul canal aux données à plusieurs canaux, comprenant des données infrarouges, de vapeur d'eau, de micro-ondes, etc. Les méthodes d'estimation évoluent également des méthodes subjectives d'extraction manuelle des caractéristiques aux méthodes objectives basées sur des modèles d'apprentissage en profondeur pour compléter l'estimation automatique. Cet article résume de manière exhaustive les progrès de la recherche actuelle sur l'estimation de l'intensité des cyclones tropicaux basée sur l'apprentissage en profondeur, et résume brièvement les sources de données et les ensembles de données utilisés. Enfin, pour proposer des orientations futures pour l'estimation de l'intensité des cyclones tropicaux, il est suggéré d'une part de s'adapter à la situation actuelle du développement des mégadonnées de télédétection, d'introduire résolument de nouvelles théories et méthodes dans le domaine de l'apprentissage en profondeur, et d'utiliser de manière globale des données multi-sources pour améliorer la précision et la capacité de généralisation ; d'autre part, il convient de se concentrer sur les caractéristiques météorologiques et les mécanismes des cyclones tropicaux, d'améliorer de manière ciblée les méthodes existantes. En outre, dans le contexte des mégadonnées météorologiques, les méthodes d'apprentissage en profondeur dans le domaine de l'estimation de l'intensité des cyclones tropicaux auront de nouvelles percées.

cyclone tropical; apprentissage en profondeur; estimation de l'intensité; réseaux de convolution; données multi-canaux