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。
基于中尺度大气模式WRF和区域海洋模式ROMS,构建WRF-ROMS海气双向耦合模式,针对2018年超强台风“山竹”进行模拟。利用观测数据对台风路径和强度进行验证,结果表明海气耦合模式对台风“山竹”的模拟相对单一模式有更高的精度,耦合模式得到的台风路径与最佳路径吻合良好,误差控制在60 km以内;获取的风速和海平面气压结果也较单一模式更为准确。基于海气耦合模拟结果,进一步分析台风作用下风场、气压场、海表流场和风暴增水的时空分布特征,结果表明:1)空间分布方面,台风进入南海后,七级风圈半径在台风沿路径右后方较大;气旋式流场与台风风场呈现出显著的埃克曼效应,流向与风向呈45°;风场、气压场、风生流场和增水分布均存在明显的不对称性,台风路径右侧的台风强度、流速和增水均大于左侧。2)时间分布方面,风场与气压场分布特征相似且与台风中心保持同步,流场和近岸风暴增水相对台风路径存在3 h左右的滞后。
南太平洋岛国大多四面环海且国土面积狭小,多为生态环境脆弱区。基于此,本文利用多源卫星数据,对瑙鲁、帕劳、图瓦卢、马绍尔群岛四国的海洋生态环境进行监测,基于长时间序列遥感结果的回溯,分析了其时空变化,并对比分析了汤加火山爆发前后,各国生态环境是否发生显著变化。结果显示:1)在气候态时空分布上,南太平洋岛屿国家周边海域海表温度和透明度一直维持在较高水平,叶绿素和净初级生产力则随离岸距离增加快速下降;2)升温、酸化和海平面升高是四个岛屿国家周边海域面临的共同问题;3)汤加火山的爆发对于南太平洋四岛国的沿岸悬浮物质量浓度、海表温度等无明显影响;4)火山爆发前半个月海岛地表温度以及周边海域悬浮物质量浓度异常升高的现象对利用遥感手段进行灾害预警预报具有启示作用。
硝酸盐是海洋中浮游植物生命活动可利用的主要氮形态,其跃层深度(ZN)会直接影响硝酸盐垂向输送、海洋初级生产力以及海洋碳循环。随着海洋观测技术的不断发展,硝酸盐剖面数据的采集呈现多样化,包括船基CTD观测和生物地球化学浮标BGC-Argo自动观测等,且垂向采样分辨率差异较大(CTD较低,BGC-Argo较高)。针对不同采样数据,亟需对硝酸盐跃层深度计算方法进行系统且定量化的对比分析研究。本文利用西北太平洋历史船测CTD数据和BGC-Argo浮标数据,采用差值法、梯度法和阈值法分别计算对应硝酸盐跃层深度。研究结果表明:就单一硝酸盐剖面,基于BGC-Argo数据,差值法计算的ZN与目视解译的ZN相差仅为0.2 m,阈值法次之为20.0 m,梯度法相差最大为202.8 m;基于CTD数据,差值法计算的ZN与目视解译的ZN相差2.0 m,阈值法相差49.0 m,梯度法相差155.0 m。相较于梯度法和阈值法,差值法计算的ZN与目视解译的ZN相差最小。根据误差统计分析结果发现,基于BGC-Argo数据,三种方法计算得到的ZN与目视解译的ZN均呈现良好相关性,其中差值法计算结果误差最小(R2为0.77,RMSE为28.48 m),阈值法的R2为0.64,RMSE为34.85 m,梯度法的R2为0.52,RMSE为53.80 m;对于CTD数据,由于其垂向采样分辨率较低,三种方法计算得到的ZN与目视解译的ZN相差较大,但相比于梯度法和阈值法,差值法的误差仍最小(R2为0.81,RMSE为16.13 m),阈值法的R2为0.47,RMSE为27.65 m,梯度法的R2为0.42,RMSE为36.41 m。通过对比分析各方法的特点和差异性,初步探究了各方法的适用性,可为深入研究硝酸盐垂向分布特征和向上输运过程提供科学参考。
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。
以温州市洞头区大竹峙岛为研究区,采用无人机搭载多光谱传感器获取海岛高分辨率遥感影像,通过比选光谱最佳波段组合,以监督分类方法将植被类型分成乔木、灌丛和草丛,分类精度为99.72%,Kappa系数为0.995 4。通过深度卷积神经网络对乔木和灌丛进行单木分割(精确率为0.79),获得各优势种的空间分布,结合生物量方程反演各乔木、灌丛优势种的生物量空间分布(乔木R2=0.97,灌丛R2=0.99),其中3个灌丛优势种(天仙果、野梧桐、滨柃)的生物量反演方程通过现场采样构建,其余乔木和灌丛优势种生物量反演方程来自文献。根据优势种的生物量和空间分布,计算得到大竹峙岛的乔木碳储量为300.36 t,灌丛碳储量为47.59 t。通过归一化植被指数反演草丛生物量空间分布(R2=0.99),结合根据实测数据构建的草丛优势种(中华结缕草)生物量方程,计算得到大竹峙岛草丛碳储量为21.59 t。
中尺度涡普遍存在于大洋中并会对声传播产生影响。利用2000—2018年AVISO卫星高度计资料和Argo浮标资料,通过涡旋合成方法构建了西北太平洋黑潮延伸体和亲潮延伸体海域中尺度涡的多年平均三维结构,对其垂直温、盐异常和声速特征进行分析,并采用Bellhop射线声学模型对中尺度涡背景下的声传播进行了模拟仿真。结果表明: 1)冷涡背景下,温度异常为负,盐度异常在上层为负,在下层为正,声速等值线抬升;暖涡背景下,温度异常为正,盐度异常在上层为正,在下层为负,声速等值线下沉。2)冷涡背景下,声传播会聚区向声源方向偏移,会聚区宽度缩小;暖涡背景下,会聚区远离声源,会聚区宽度增大。声会聚区宽度在黑潮延伸体海域较在亲潮延伸体海域更大,距离声源也更远。3)冷涡背景下,声传播的反转深度变浅,暖涡背景下,反转深度加深;在黑潮延伸体海域,反转深度总体随经度增大而变浅,在亲潮延伸体海域则相反,反转深度随经度增大而变深。
利用海-气界面浮标观测得到的高频数据,分析了春季青岛近岸海域海表二氧化碳分压(pCO2)的变化规律及驱动因素,并对海-气CO2通量进行了估算。观测期间该海域由大气的碳汇转变为碳源,主要是由海表pCO2的不断增长所致。对海表pCO2控制因素进行分析,发现温度升高是pCO2增长的主要驱动因素,生物过程起到一定的抑制作用。海表pCO2呈现出日变化特征,温度和生物因素对海表pCO2日变化的作用均与太阳辐射相关,但两者的作用相反。此外,分析发现浮标的不同采样频率会对海-气CO2通量估算产生影响,缩短采样间隔能有效降低海-气CO2通量估算的偏差,提高估算的准确性。
南乔治亚岛海域是南大洋初级生产力最高的区域之一,具有巨大的固碳潜力,但由于缺乏连续的上层海洋观测资料,该海域生物泵效率的强弱仍未有定论。本研究利用2017年至2020年期间位于南乔治亚岛附近海域的生物地球化学浮标(BGC-Argo)所获取的水文和生物化学参数,探讨了物理过程对生物地球化学过程的影响,并估算了该海域的南极夏季碳输出通量。结果显示:南乔治亚岛上游(南极半岛东北部)和下游(乔治亚海盆)海域Chl-a均呈现出很强的季节性特征,尤其是乔治亚海盆区浮游植物维持了4个月的旺发时间,表明该区域具有稳定持续的铁源供给;利用颗粒有机碳(POC)季节性输出量的时间变率,估算了上、下游的夏季POC输出通量分别为7.12±3.90 mmol·m-2·d-1和45.29±5.40 mmol·m-2·d-1,推测这种差异主要是由于混合层加深后促进了有机碳的向下输出导致的。研究发现该区域维持着较高的生物泵效率,与此前的乔治亚海盆存在“高生产力低输出效率”的结论不同,这可能是由于航次断面调查的即时性无法反映整个季节性特征所造成的。BGC-Argo能提供高时空分辨率的多参数观测数据,本研究结果表明其可以更准确地量化与评估海洋生物地球化学过程和固碳能力。
潮流能是指潮水水平运动中携带的动能,开发前景巨大。对区域潮流的精准模拟及特征分析有助于准确评估潮流能的时空分布状况,是潮流能资源开发利用的关键。本文选取潮流能蕴藏丰富的舟山海域,应用FVCOM海洋模式构建了高分辨率的潮汐潮流数值模型,经潮位、潮流验证,该模型可靠。根据模拟结果中流速的大小确定了潮流能资源密集的6处水道进行评估,其中西堠门水道、册子水道、桃花港水道平均能流密度超过2.0 kW/m2,最大能流密度超过20 kW/m2,流速大于1.0 m/s时长超过80%,潮流涨落期间以往复流为主,潮流不对称性及旋转性低,潮流稳定系数大于0.98,较其他3处水道更适合潮流能的开发利用。通过有效发电小时数及可利用小时数确定了这3处水道内潮流能开发的最佳位置,并应用Farm法计算了相应的潮流能资源可开发量,分别为27.53、39.96和130.26 MW。
利用浙江苍南近岸海域一年实测波浪资料,统计分析了波参数特征,采用最小二乘法拟合分析了波参数之间的相关关系,研究波浪平均持续时间和波高的关系,对波浪能进行估算,并分析了台风“利奇马”期间典型台风浪特征。结果表明:研究海域以谱峰周期5~9 s的轻浪为主,年平均有效波高为1.25 m,年最大波高为10.80 m,常浪向为E,强浪向为ENE。特征波高之间具有显著的线性关系,符合典型的瑞利分布。有效波高2.7 m以下的非台风、非寒潮期和4.1 m以上的台风期,波浪平均持续时间随波高的增大呈指数衰减,且有效波高在4.1 m以上的台风期的波浪衰减速率高于有效波高在2.7 m以下的非台风、非寒潮期。台风“利奇马”影响期间,最大波高、谱峰周期、谱峰密度呈现基本同步的先增大后减小的过程,最大谱峰密度为55.10 m2/Hz;台风影响前、后的波浪谱型均呈双峰谱,台风影响最显著期间的波浪谱型呈单峰谱。
滨海湿地具有较强的碳汇能力,不同植被类型会对沉积物中有机碳的来源和储量产生重要影响。在茅埏岛无植被、老红树林、幼红树林和互花米草等4种淤泥质潮滩各采集1根沉积物柱状样品(柱样长度均为1 m,按10 cm间隔分样),测定沉积物粒度、总有机碳(TOC)、总氮(TN)等参数,分析和讨论沉积物有机碳来源、储量及其影响因素。结果显示:1)无植被潮滩、老红树林潮滩、幼红树林潮滩和互花米草潮滩沉积物中TOC平均含量依次为0.71%±0.03%,0.76%±0.16%,0.69%±0.12%,0.83%±0.09%。在0 ~20 cm层,有植被潮滩TOC含量显著高于无植被潮滩;在20 ~100 cm层,互花米草潮滩沉积物TOC含量高于其它潮滩类型。2)茅埏岛潮滩中互花米草潮滩沉积物有机碳储量最高,达5.79 kg/m2,其次是老红树林潮滩(5.61 kg/m2),幼红树林潮滩(4.95 kg/m2)和无植被潮滩(4.84 kg/m2)有机碳储量较低。互花米草潮滩和红树林的覆盖均在一定程度上增强了潮滩的储碳能力。3)互花米草潮滩沉积物中的有机碳主要以陆源为主,占比57.75%;本地植物贡献在老红树林潮滩沉积物中占比最大,占比32.65%;幼红树林潮滩和无植被潮滩沉积物中有机碳均以海源贡献为主,分别占比61.47%和50.45%。
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。
基于1993—2019年海面高度异常数据分析了南澳大利亚海盆表层涡动能的时空变化特征。结果表明,表层涡动能在空间上存在两个高值区,分别位于海盆的西部和东部;在季节尺度上表现为南半球的冬季强,秋季弱,最大值出现在7月(57±9 cm2/s2),最小值出现在3月(40±5 cm2/s2)。涡动能在年际尺度上与ENSO呈显著负相关关系,即在厄尔尼诺(拉尼娜)衰退年,涡动能显著减弱(增强),滞后Niño3.4指数9个月;与SAM呈显著正相关关系,滞后SAM指数14个月,即在SAM正(负)位相的次年,涡动能显著增强(减弱)。
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。
结合涡分辨率数值模拟数据和历史水文观测数据,研究了印尼贯穿流之下两支次表层潜流——位于翁拜海峡的翁拜潜流和帝汶通道的帝汶潜流的来源和季节与年际变化特征。 结果表明,这两支潜流存在于大约200~800 m深度之间,是一个准永久性存在的潜流系统。翁拜潜流的形成主要与南爪哇潜流的东伸有关,而帝汶潜流水体来源较为复杂,主要是南爪哇潜流和卢温潜流的混合水。两支潜流均具有明显的季节变化和年际变化,其中在季节尺度上,具有显著半年周期,通常在印度洋季风转换期(4、5月份和10月份)流量达到峰值。结合历史风场、卫星高度计和温盐观测数据,发现与局地风场及其上升流相关的次表层经向压强梯度是导致其季节变化的主要因素。在年际尺度上,潜流存在2~4 a的周期,与印度洋偶极子存在显著相关。
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。
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。
