En los últimos años, con el desarrollo del aprendizaje profundo, la teledetección y otras disciplinas relacionadas, la investigación sobre la estimación de la intensidad de ciclones tropicales ha avanzado rápidamente. Las fuentes de datos utilizadas para la estimación de la intensidad de ciclones tropicales se han ampliado gradualmente desde datos de un solo canal hasta datos multicanal, incluyendo infrarrojo, vapor de agua, microondas, entre otros; los métodos de estimación también han evolucionado desde métodos subjetivos con extracción manual de características hacia métodos objetivos automatizados basados en modelos de aprendizaje profundo. Este artículo resume y revisa sistemáticamente los avances actuales en la investigación de la estimación de la intensidad de ciclones tropicales basada en aprendizaje profundo, y se realiza una breve síntesis de las fuentes de datos y conjuntos de datos utilizados por estos algoritmos. Finalmente, se proponen direcciones futuras de investigación para la estimación de la intensidad de ciclones tropicales: por un lado, es necesario adaptarse al desarrollo de big data en teledetección, continuar introduciendo nuevas teorías y métodos en el campo del aprendizaje profundo, y utilizar de manera integrada datos multisource para mejorar la precisión y la capacidad de generalización; por otro lado, es necesario prestar atención a las características meteorológicas y mecanismos de los ciclones tropicales para mejorar de manera específica los métodos existentes. Además, en el contexto del big data meteorológico, los métodos de aprendizaje profundo tendrán nuevos avances en el campo de la estimación de la intensidad de ciclones tropicales.

ciclones tropicales; aprendizaje profundo; estimación de intensidad; redes convolucionales; datos multicanal