摘要:热带气旋强度的精确估计是进行有效强度预测的基础工作, 对于灾害预报至关重要. 当前基于深度学习的热带气旋强度估计技术展现出了优越的性能, 但仍然存在着物理信息融合不足的问题. 因此, 本文基于深度学习框架, 提出一种融合物理信息的热带气旋强度估计模型(physical factor fusion for tropical cyclone intensity estimation, PF-TCIE), 来估计西北太平洋的热带气旋强度. PF-TCIE由多通道卫星云图学习分支和物理信息提取分支组成. 多通道卫星云图学习分支用于提取热带气旋云系特征, 物理信息提取分支用于提取物理因子特征, 来约束云系特征的学习. 本文数据选用葵花-8卫星资料和ERA-5再分析资料. 实验证明, 在引入多个通道后, 模型的RMSE误差较单通道降低了3.7%. 同时, 物理信息的引入使模型的误差进一步下降了8.5%. PF-TCIE的RMSE最终达到了4.83 m/s, 优于大部分深度学习方法.