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。
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。
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。
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。
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。
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。
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。
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。
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。
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%。
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。
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%。
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。
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。
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。
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。
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。
深海富稀土沉积物广泛分布在西太平洋、东太平洋、东南太平洋、印度洋等地区。本研究对东太平洋克拉里昂-克里珀顿断裂带(Clarion-Clipperton Fracture Zone,简称CC区)的两个站位富稀土沉积物的矿物学与地球化学特征进行了分析,并收集了太平洋92个站位深海富稀土沉积物元素地球化学数据,依据地球化学特征,结合矿物组成,将太平洋深海富稀土沉积物分为富Al型、富Fe型、富Ba型等三个类型。富Al型富稀土沉积物广泛布在西太平洋地区,沉积物类型以沸石黏土为主,全岩Al2O3平均含量可达14.9%。富Fe型富稀土沉积物位于东太平洋海隆附近的东南太平洋和东北太平洋区域,沉积物中TFe2O3平均含量高达18.8%,部分样品呈现明显的Eu正异常,热液活动可能为稀土元素的富集提供了丰富的稀土元素及载体矿物。富Ba型富稀土沉积物主要分布于东太平洋CC区,沉积物类型主要是(含)硅质黏土,Ba平均含量可达8 092×10-6。高Ba含量指示了沉积物形成时期所在海域可能具有很高的初级生产力,这种环境条件形成了大量的生物磷灰石沉积,并与CC区渐新世以来强劲的底流耦合,进而增强了磷灰石的积累,促进了稀土的富集。
