随着海洋观测数据和数值模式产品的爆发式增长,人工智能方法在海洋学研究中展现出巨大的潜能。该文首先回顾了海洋大数据科学的发展历程,并详细介绍了人工智能在海洋现象识别、海洋要素与现象预报、海洋动力参数估算、海洋预报误差订正和海洋动力方程求解中的研究现状。具体地,阐述了海洋涡旋、海洋内波和海冰等海洋现象的智能识别研究,海面温度、厄尔尼诺-南方涛动、风暴潮、海浪和海流的智能预测研究,数值模式中海洋湍流过程参数化方案的智能估算研究以及海浪、海流等海洋现象预报误差的智能订正研究。此外,还讨论了物理机制融合和傅里叶神经算子在海洋运动方程智能求解中的研究进展。该文立足于当前人工智能海洋学的发展现状,旨在全面展示人工智能技术在海洋学领域的优势和潜力,并聚焦于海洋数字孪生和人工智能大模型两个新兴的研究热点,展望未来人工智能海洋学的发展方向,为海洋学者提供启示和参考。
海浪是海洋中最为重要的现象之一,快速准确的海浪预报对于保障海上生产、生活安全具有重要意义。该文回顾了海浪预报方法的发展历程,包括传统统计预报、数值模式预报以及目前快速发展的人工智能预报。基于人工智能的海浪预报模型表现出计算速度快、预报精度自适应优化等优势,已经开始从研究阶段逐步应用于实际海浪预报业务之中,但同时该方法也存在预报要素有限、极端海况预报值偏低以及预报泛化能力弱的局限。该文根据人工智能海浪预报的特点,提出了人工智能海浪预报目前亟需解决的观测数据高效利用、先验知识引入、人工智能模型安全性与泛化能力提升等关键科学技术问题。
海底地震是损害深水国际海缆的主要因素之一,认识海缆震损过程和地震引发的海底浊流对海缆的损害机制,对维护国际海底通信安全具有重要意义。本文结合最新海底地形、地貌研究成果,利用国际海缆工程专业软件Makaiplan研究大浅滩和恒春震后海缆大规模震损过程,并厘清了海缆损害规律与震后海底浊流过程之间的关系,总结出海缆震损机制。结果表明,海缆断点集中分布在海底峡谷和海沟内,造成海缆损坏的海底峡谷和海沟浊流的运动时速可达数十公里至数百公里每小时。陆上河流和陆架河道为浊流发育提供物源输入,海底峡谷和海沟为浊流运动大面积破坏海缆提供通道。震后,被动陆缘上陆坡发育的峡谷浊流可破坏陆坡、陆隆和深海平原上海缆,浊流最快速度出现在陆坡并在深海平原自加速;主动陆缘陆坡不同位置可同时发育浊流,对峡谷和海沟内海缆造成多次冲击,浊流最快速度和自加速现象出现在海沟。海缆防震措施包括:尽量避免海缆路由在与陆上河流或陆架河道连通的海底峡谷及海沟处交越,难以避免的时候则使用带外铠装浅水型海缆,海缆稍悬浮于峡谷或海沟底部并加装Uraduct,改变深水海缆的横截面形状等。
导管架平台具有适应性强、安全性高等优势,在海上油气开发中应用广泛。随着越来越多的导管架平台即将达到或已达到设计寿命,平台弃置已成为海洋油气开发领域面临的重要问题。该文系统介绍了国内外关于导管架平台弃置的法律法规,重点阐述了各国际公约的约束内容、适用范围及其异同点,总结了中国、英国、挪威、美国弃置管理的要点,对国内外四个典型导管架弃置工程进行了梳理和分析,对不同弃置方案适用范围以及弃置过程中拆除、切割和吊装三个关键工艺的操作难点和实施细节进行了总结,可为海洋导管架平台弃置方案与关键技术的优选提供依据,对海洋环境保护、通航和渔业生产等具有重要的工程意义。
本研究基于1990—2020年高分辨率卫星遥感海面温度数据,采用深度优先搜索算法识别了南海海洋热浪面积,并探究了不同空间尺度南海海洋热浪的特征。研究结果表明,南海小尺度海洋热浪事件(Ⅰ类海洋热浪,面积<1.8×104 km2)发生最为频繁,占总发生次数的94.20%。大尺度海洋热浪事件(Ⅲ类海洋热浪,面积>1.2×105 km2)在31年期间仅发生74次,其中面积最大的热浪事件发生在2015年。进一步分析发现,不同面积海洋热浪的平均强度、持续时间以及发生频率的空间分布有显著差异性。相较于Ⅰ类海洋热浪,Ⅱ类海洋热浪(面积为1.8×104~1.2×105 km2)平均强度超过1.5 ℃的空间范围明显增加。统计分析表明,南海海洋热浪面积增加,其平均强度和累积强度均增强,持续时间也随之变长。Ⅲ类海洋热浪事件累积强度的中位数分别是Ⅰ类的1.4倍,是Ⅱ类的1.2倍。进一步研究发现,厄尔尼诺时期Ⅰ~Ⅲ类海洋热浪的面积均显著增加,并且存在6~7个月的滞后关系。厄尔尼诺时期Ⅲ类海洋热浪事件持续时间比拉尼娜时期长2 d。本研究探究了南海海洋热浪面积的基本特征,并进一步分析了不同空间尺度海洋热浪的共性和差异性,为研究南海海洋热浪生消特征及机制提供了新的研究思路。
海冰类型是极地海冰的重要属性之一,多年冰的物理性质较一年冰有着显著差异,因此识别海冰类型对极地气候变化研究和冰区船舶航行保障意义重大。卫星遥感是获取多时序、大范围海冰信息的有效手段。该文以北极西北航道和东北航道为研究区域,基于3个深度学习模型(ResNet、Vision Transformer、Swin Transformer)对Sentinel-1卫星双极化合成孔径雷达影像进行海冰分类研究。 结果表明,8×8像素切片数据集的海冰分类效果优于其他尺寸切片数据集;对假彩色合成图像进行偏移量处理能够有效地减少噪声对海冰分类的影响;在3个深度学习模型中,Swin Transformer模型分类精度最高,整体准确率和Kappa系数均在98%以上。比较多年冰密集度数据发现,3个模型的结果与AMSR2的偏差均小于10%。
海洋涡旋是一种常见的海洋现象,在全球海洋物质和能量的输运中起着重要作用。随着海洋研究技术手段的不断提升,各类海洋涡旋检测方法应运而生。传统涡旋检测方法应用广泛,但其过度依赖于专家经验设置阈值和持续的人工干预,存在检测误差较大、工作效率低以及全球普适性差等问题,难以适应复杂多变的海洋环境。当前人工智能快速发展,其在海洋涡旋智能检测中能够自动、快速地提取图像深层特征,有效解决海洋现象特征相似度高、几何差异大的问题。该文立足于当前海洋涡旋智能检测的发展现状,从编码器-解码器结构、全卷积神经网络、多尺度上下文方法和注意力机制等方面回顾了不同深度学习方法在海洋涡旋智能检测中的应用,以期为海洋涡旋研究提供一些启示和参考。
相较于半理论半分析和数值模型的波浪预报方法,智能波浪预报有着精度高、计算资源需求低的优势。该文基于卷积长短期记忆网络(convolutional long short-term memory network, ConvLSTM)算法,建立了有效波高(significant wave height, SWH)二维预报模型,以中国东南沿海2014—2022年ERA5数据进行训练,通过敏感性试验优化模型配置,并开展中国东南沿海SWH在2023年4个预报时效(6 h、12 h、18 h、24 h)下的预测性能评估。敏感性试验显示,输入时间序列长度N=4(即输入-18 h, -12 h, -6 h, 0 h的SWH值)时,模型在4个预报时效下的准确性均优于其他时间序列长度;输入物理要素组合为SWH、平均波向和海面10 m 风矢量时,模型在12 h、18 h和24 h预报时效下的准确性优于其他组合。通过对ConvLSTM模型训练及配置的精细调整,可以实现对中国东南沿海SWH的二维、高精度的智能预报。
通过对高、低潮位数据插值和NS_TIDE模型应用,分析西江感潮河段(马口—大横琴)的潮汐特征。对比三种插值方法发现,相对于三次样条插值法和线性插值法,Hermite插值法对逐时潮位的模拟效果最佳。潮位验证结果显示NS_TIDE模型总体误差较低,异常值主要是源自台风和洪水的影响。西江感潮河段平均水位和分潮振幅存在洪、枯季差异,上游受径流的影响大于潮汐,下游则相反;径流量和潮差增大,促进上游河段平均水位增高,对分潮振幅和迟角的影响在不同河段表现不同,主要与其所处空间位置和分潮自身频率有关。
深海橄榄岩在海底洋中脊、俯冲带和大陆边缘等构造环境中广泛分布,并普遍经历后期蚀变,其中蛇纹石化作用是最主要的蚀变类型。蛇纹石化是指橄榄岩中富镁铁矿物,如橄榄石和辉石,被蛇纹石、磁铁矿、水镁石等一系列次生矿物所取代的化学过程。蛇纹石化反应条件与热液循环、成矿物质迁移等具有密切的联系,对指示热液成矿作用具有重要意义。传统的岩石矿物学、地球化学方法在反映蛇纹石化条件时具有多解性和不确定性,不同矿物或不同化学指标可能指示不同的结果。氧同位素在自然界普遍存在,氧同位素示踪法具有适用范围广、容易比对、支持原位微区分析等优点,可以清晰地反映矿物或岩石-流体体系的反应条件和过程。该文主要综述了氧同位素测温法的原理、深海橄榄岩蛇纹石化过程、氧同位素测温法在深海橄榄岩蛇纹石化过程中的应用案例、蛇纹石氧同位素组成变化的影响因素以及氧同位素测温法的优势和局限性等问题,为后续更深入地了解深海橄榄岩蛇纹石化过程提供参考。
该文利用线性回归函数,根据卫星测高及中国沿海6个验潮站数据估算出1993—2020年中国沿海绝对海平面上升速率为4.17±1.32 mm/a,相对海平面上升速率为4.47±0.90 mm/a。将1958—2020年的大气数据、海洋数据及气候模态指数作为预报因子,建立了长短期记忆神经网络模型(LSTM模型)、循环神经网络模型(RNN模型)、门控循环单元神经网络模型(GRU模型)和支持向量机回归模型(SVR模型)等多种神经网络模型对中国沿海6个验潮站周边的相对海平面变化趋势进行预测。模型评估结果表明,同时引入大气变量、海洋变量及气候模态指数变量的LSTM模型取得的预测值与观测值的平均相关系数和均方根误差分别为0.866和19.279 mm,在4种模型中表现最佳,可以作为一种新型的预测相对海平面变化的方法。
将Holland风场与ERA5风场相结合,通过引入一个随风速半径变化的权重系数,构建了混合风场,进而利用MIKE21 SW建立了浙江海域台风浪模型。使用Holland风场、ERA5风场、混合风场作为输入风场模拟1918号台风“米娜”期间的风速和有效波高,验证结果说明Holland风场和ERA5风场均无法准确反映真实风场和有效波高,而本文构建的混合风场弥补了两种风场的不足。为验证混合风场在浙江海域是否具有普适性,选取近5年影响浙江海域最为严重的5个典型台风进行台风浪数值模拟实验,并开展误差统计分析。结果表明:Holland风场在台风中心周围的风速模拟表现较好,最大风速的平均相对误差为8.62%~10.19%,但10 m/s以下风速的平均相对误差较大,为29.76%~44.29%;ERA5风场在台风中心周围的风速偏小,最大风速的平均相对误差为17.64%~25.77%,但10 m/s以下风速的平均相对误差比Holland风场小,为19.64%~32.00%。对5个台风的模拟中,由Holland风场、ERA5风场和混合风场驱动得到的台风浪有效波高平均相对误差的平均值分别为29.92%、25.62%和22.82%,均方根误差的平均值分别为0.46 m、0.42 m和0.39 m,一致性指数分别为0.94、0.95和0.96。上述结果说明本文构建的混合风场在浙江海域具有普适性,能够提高台风浪的模拟准确度。
海洋热含量作为全球气候变化研究最关键、最稳定的指标之一,对其进行系统、准确的评估依赖于长时间序列、全球覆盖的海洋内部观测数据。利用立足Argo剖面观测构建并持续更新的全球海洋0~2 000 m水深多参数再分析数据集(gradient dependent correlation scale method Argo, GDCSM-Argo),通过时空序列和滞后回归等手段分析热含量变化,研究了2004—2021年间全球海洋热含量的时空演变特征及其与异常气候的响应关系。结果表明:自2004年起,全球海洋0~2 000 m水深热含量均有不同程度的增加,海洋热含量异常增幅超过2×108 J/m2。2013年以后,700 ~2 000 m水深的海域表现出持续增暖趋势,至2017年,全球0~2 000 m水深变暖加剧。700 m水深的温度异常在海洋热含量整体变化中贡献突出。热带东太平洋海域在厄尔尼诺之前积蓄热量,在厄尔尼诺期间/之后失去热量,同时也向南、向北散发热量以中和前期积蓄的热量,变暖范围向赤道南、北两侧扩展。热带东太平洋海洋热含量正异常峰值先于ENSO(El Niño-Southern Oscillation)指数约0~1个月。 由上述结论可知,GDCSM-Argo数据集能够更细致地刻画海洋热含量的时空演变。
基于海上移动平台GNSS动态精密单点定位技术(precise point positioning, PPP),对海洋上空可降水量(precipitable water vapor, PWV)探测的影响因素进行了研究,主要分析了采样间隔,卫星截止高度角,PPP解算方式(固定解或浮点解)以及有无北斗卫星系统组合对海洋PWV反演的影响。结果显示,采样间隔为30 s时,PWV反演的精度最高;可用卫星数较少的情况下,截止高度角设为5°~10°时,PWV反演精度更优,随着卫星截止高度角的增大,反演精度逐渐降低;定位解是否固定对PWV反演精度影响较小;在GPS/GLONASS系统组合的基础上,加入北斗卫星观测值,将提高观测的冗余度,有利于PWV反演精度的提高。
基于多源观测数据,分析了台风右侧暖涡对2010年南海台风“鲇鱼”的响应,发现了意料之外的暖涡增强和海水下沉现象。台风“鲇鱼”过境期间,暖涡海面高度距平(SLA)最大值从30 cm增加至36 cm、半径从78 km增大至116 km、涡动能从166 m2/s2增加至303 m2/s2、振幅从3 cm增大至9 cm,台风右侧暖涡边缘的Argo站位处温跃层海水下沉20~40 m。为此,诊断分析了台风风应力旋度对暖涡的单独作用,结果显示暖涡及暖涡边缘的Argo站位处总体受正风应力旋度作用,正风应力旋度将使暖涡减弱、温跃层抬升,与观测到的暖涡增强和海水下沉结果不符。而基于实际海面流场的诊断分析表明,台风“鲇鱼”过境期间台风路径下方的海水辐散,路径右侧暖涡区域海水辐聚,暖涡SLA最大值、涡旋振幅均与辐聚强度呈正相关,Argo站位处海水下沉29 m,都与观测结果相符。个例分析研究表明,位于台风路径外围的中尺度涡对台风的响应不仅受风应力旋度的作用,还受海洋背景环境条件的调制,存在着需要深入研究的过程和机制。
海底地形具有非常重要的商业、工程、军事和科学研究价值。目前,常用重力场数据反演海底地形,如自由空气重力异常和垂直重力梯度。然而,由于现有方法反演海底地形具有较强的多解性,仍然无法准确获取高精度的海底地形。该文提出了重力-密度法与随机森林结合的数据-知识驱动新方法,以重建准确的海底地形。该方法在中国南海海域进行了测试,并与重力-密度法、随机森林以及现有的SIO模型进行了对比分析。反演结果显示,数据-知识驱动提供了更好的反演性能,随机森林和重力-密度法次之,SIO模型最差。相比于重力-密度法,数据-知识驱动的平均绝对误差、平均相对误差和均方根误差分别降低了21%、25%和7%;而相比于随机森林,它们分别也降低了20%、20%和20%。此外,数据-知识驱动模型与船载测深数据具有较高的一致性,其差值大约有72%分布在±10 m范围内,占比高于其他三种模型。该结果证明了数据-知识驱动方法在海底地形反演中的可行性和有效性,有助于加快高精度海底地形的绘制。
洋中脊的地形地貌特征直接受构造运动和岩浆活动控制,对其进行研究可以了解洋中脊的构造演化历史和岩浆作用过程,对于海底矿产资源的勘探具有重要意义。本文利用中国大洋24航次采集的船载多波束声呐数据,用定量分析的方法对西北印度洋卡尔斯伯格脊61°24'E—61°48'E段的地形地貌特征开展研究,计算了岩浆侵入比及断层相关指数,并探讨了研究区的岩浆-构造意义,获得了以下认识:1)研究区可划分为A、B、C、D四个二级洋中脊段,其岩浆-构造活动期间隔分别为0.15、0.50、0.70和0.21 Ma。2)洋中脊A段和B段为不对称扩张段,岩浆贫乏,以构造作用为主,处于构造活动期;洋中脊C段为对称扩张段,岩浆较为充足,以岩浆作用为主,处于轴向火山脊构建期;洋中脊D段为对称扩张段,岩浆贫乏,以构造作用为主,处于构造活动期。3)在洋中脊段两侧断层核密度值高的区域,有可能形成热液活动区,将是未来进一步勘探的目标区域。
印度洋偶极子(Indian Ocean Dipole,IOD)是影响区域及全球气候变化的关键气候现象。准确预测IOD对于理解全球气候至关重要,但传统方法在捕捉其复杂性和非线性方面的局限限制了预测能力。该文首先概述了IOD的相关理论,并评估了传统预测方法的优缺点。然后,综合分析了深度学习在IOD预测领域的应用和发展,特别强调了深度学习模型在自动特征提取、非线性关系建模和大数据处理方面相较于传统方法的优势。与此同时,该文还讨论了深度学习模型在IOD预测中所面临的挑战,包括数据稀缺、过拟合以及模型可解释性等问题,并提出了未来研究的方向,旨在推动深度学习技术在气候预测领域的创新与进步。
本研究基于2022年3月在杭州湾海域的航次调查,阐述了春季杭州湾及其邻近海域溶解氧化亚氮(N2O)的空间分布特征与海-气交换通量,并分析其影响因素。 结果表明,春季杭州湾及其邻近海域表层水体溶解N2O的浓度与饱和度范围分别为12.5~21.3 nmol·L-1和115%~183%,其中,上、中、下游N2O浓度平均值分别为17.2±2.9、14.1±0.8和13.2±0.7 nmol·L-1,饱和度平均值分别为151%±17%、125%±6%和123%±6%,所有站位的溶解N2O均处于过饱和状态。表层水体N2O浓度和饱和度的分布显示出明显的空间差异性,高值集中在上游,且自西向东逐渐递减,中、下游呈现自北向南逐渐递减的趋势。温度、河口混合、河流输入和生物过程对春季杭州湾及其邻近海域溶解N2O的分布具有重要影响。N2O海-气交换通量范围为11.4~71.2 μmol·m-2·d-1,平均值为29.5±16.0 μmol·m-2·d-1。与国内其他河口、海湾相比,杭州湾的N2O海-气交换通量相对较高,N2O释放潜力大。根据海域面积,本研究初步估算春季杭州湾及其邻近海域N2O的释放量为3.5×105 mol·d-1,表明其在大气N2O排放中扮演着重要的角色。
南极磷虾(Euphausia superba)是维持南大洋生物多样性的关键物种,是南大洋的重点保护与限制捕捞对象。在气候变化对南大洋生态环境持续显著影响的背景下,亟需了解南极磷虾的时空分布、变化趋势及其栖息地适宜性。本文基于南极磷虾出现记录及长时序遥感与再分析数据,利用藻华物候与海冰消长的时序特征参数及相关环境参数,构建了宇航员海与迪尔维尔海南极磷虾栖息地适宜性的最大熵模型(Maxent)。研究发现,相较于常规单一时刻环境参数,时序特征参数更适合用于南极磷虾栖息地适宜性评估。基于Maxent模型,反演了两个典型海域超过20年的南极磷虾出现时间和频率变化序列,并通过分析多个环境参数的年际变化趋势进行机制解释。南极磷虾出现时的环境参数显示,宇航员海整体叶绿素质量浓度低于迪尔维尔海,无冰期更短,温度更低,南极磷虾出现时间更晚,且主要由沿岸区域的南极磷虾幼体与年轻个体构成。在1997—2019年,宇航员海沿岸区域磷虾出现时间逐渐提前,出现总天数逐年增多,主要是由于沿岸区域藻华起始时间提前,同时叶绿素质量浓度增加也为南极磷虾幼体提供了更充足的食物来源。迪尔维尔海受海水增温、无冰期缩短、叶绿素质量浓度降低等环境变化趋势的影响,该区域磷虾成熟个体或向更适宜环境迁移,南极磷虾每年出现总天数下降。在模型构建基础上,本研究首次获得了宇航员海与迪尔维尔海的南极磷虾长时序分布数据,可为了解气候变化对南大洋生物的影响、南大洋保护区规划与渔业管理提供科学依据。
