Nos últimos anos, com o desenvolvimento do aprendizado profundo, tecnologias de sensoriamento remoto e outras disciplinas relacionadas, a pesquisa sobre a estimativa da intensidade de ciclones tropicais avançou rapidamente. As fontes de dados utilizadas para a estimativa da intensidade de ciclones tropicais foram gradualmente ampliadas de dados de um único canal para dados multicanais, incluindo infravermelho, vapor d'água, micro-ondas, entre outros; os métodos de estimativa também evoluíram de métodos subjetivos baseados na extração manual de características para métodos objetivos automatizados baseados em modelos de aprendizado profundo. Este artigo resume e revisa sistematicamente os avanços recentes na pesquisa sobre a estimativa da intensidade de ciclones tropicais baseada em aprendizado profundo e faz uma breve síntese das fontes de dados e conjuntos de dados utilizados pelos algoritmos. Por fim, são propostas direções futuras de pesquisa para a estimativa da intensidade de ciclones tropicais: por um lado, é necessário se adaptar ao desenvolvimento do big data em sensoriamento remoto, continuar a introduzir novas teorias e métodos na área de aprendizado profundo e utilizar de forma integrada dados multissource para melhorar a precisão e a capacidade de generalização; por outro lado, é necessário focar nas características meteorológicas e nos mecanismos dos ciclones tropicais para melhorar de forma direcionada os métodos existentes. Além disso, no contexto do big data meteorológico, os métodos de aprendizado profundo terão novas descobertas na área de estimativa da intensidade de ciclones tropicais.

ciclones tropicais; aprendizado profundo; estimativa de intensidade; redes convolucionais; dados multicanais