全文下载排行

海表温度是表征海洋表层热力状况的重要海洋参数，日均全天候覆盖的海温观测数据可为服务台风监测及其他海洋灾害时空演变的精细化预报提供数据支撑。可见光红外扫描辐射计和中分辨率光谱成像仪反演的海温产品具有较高的空间分辨率，但是红外遥感反演的海温产品受到云、雾和霾的影响，在云下存在大面积、无规律的缺值；微波辐射计反演的海温产品空间分辨率低，但可穿透云层，实现全天候海温观测。本文基于风云三号B、C、D三颗极轨气象卫星红外和微波遥感仪器反演的海温资料，利用经验正交函数插值法(DINEOF)重构得到全球海表温度产品。与全球分析场日平均海温OISST数据进行比较可知：原始海温资料的均方根误差为0.59~0.70℃，DINEOF重构后海温资料均方根误差降至0.10~0.34℃；相关系数从0.33~0.48提升到0.78~0.98。多传感器重构海温数据空间分布上连续可信，能够监测不同季节的海温变化特征及暖池空间模态。风云三号气象卫星微波遥感的加入显著提升了重构海温的空间连续覆盖率和时间分辨率。

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。

海面温度(sea surface temperature, SST)是海洋和气象研究中的关键气候变量,广泛应用于海-气相互作用、海洋混合、边界层过程及海洋状态预报等领域。欧洲静止气象卫星Meteosat-8/SEVIRI(M8)提供的逐小时SST数据是上述工作的重要数据源,但其误差的时空变化尚不明确。为评估M8卫星SST数据的可靠性和适用性,利用实测SST质量监测平台(iQuam)提供的船只、漂流浮标和Argo浮标的SST数据,对M8卫星在印度洋区域的逐小时SST数据进行了验证。结果显示,M8卫星与三种实测数据的平均偏差为-0.06~-0.10 ℃,均方根误差为0.48~1.03 ℃,决定系数为0.96~0.99。其中,漂流浮标与M8卫星的匹配数据量最大、覆盖最广,因此漂流浮标是理想的验证数据源。分析M8卫星SST数据偏差的时空分布发现:在阿拉伯海西北部和孟加拉湾西北部夜间存在0.6 ℃的负偏差,在该海域白天的负偏差更大,而在40°S—60°S部分海域白天则出现了超过1.0 ℃的负偏差;M8卫星SST在夏季较易出现正偏差的极大值,在春、夏转换季则存在极小负偏差。

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。

海底天然气水合物藏是天然的巨型碳储藏库,是深部甲烷等烃类气体运移至海底过程中暂时的碳储,是地球碳循环过程的重要一环。冷泉通常与海底天然气水合物藏分解密切相关,是深源或浅层气及水合物分解气在海底发生渗漏的现象。该文根据国内外天然气水合物及冷泉系统勘查的最新动向,综述了与水合物及冷泉流体渗漏相关的羽状流、运移通道、海底微地形地貌等要素的海底原位观测技术,主要包括:走航式及坐底式原位观测、海面及低空渗漏甲烷观测、海底可视化观测、与水合物及冷泉相关的海底观测网络等。综合使用原位观测技术可以更细致、全面地描绘水合物和冷泉系统的时空“景象”,更好地协助厘清海底渗漏甲烷的归趋,拓展人类对深海独特生命绿洲的认知。

随着观测技术的进步和海洋数值模拟能力的提升,已发现在海洋次表层中广泛存在一种远离生成源区、结构紧致且稳定的次表层强化的SCVs,其动力学特征表现为:弱层结,低位涡中心,外围等密度线呈透镜状结构,温度、盐度或其他示踪量的性质与周围水体相比存在明显异常,内部核心流速较强。此类次表层SCVs对于海洋的水体运输、热盐环流和海洋生物生态环境均有重要影响。该文通过综述海洋次表层SCVs的结构及水文特征、识别方法、次表层SCVs在全球的分布、动力学机制及其重要影响等,展现次表层SCVs的研究进展,提出了未来研究的方向,包括研究的难点和全面认识海洋次表层SCVs尚待解决的问题。

近海海湾受人类活动及自然变化影响大,海水碳源汇格局变化影响机制极其复杂。由于海湾空间尺度小,需要使用宽波段的高空间分辨率卫星遥感对海-气CO₂通量进行监测评估。相对于传统公里级的水色卫星资料,海-气CO₂通量定量估算的关键参数——海表CO₂分压(sea surface partial pressure of CO₂, pCO₂)遥感反演在小尺度海湾具有极大的挑战性。该文以秋季象山港为例,利用走航观测pCO₂数据及近5年哨兵2号(Sentinel-2)卫星影像,采用支持向量机(support vector machine, SVM)机器学习的方法,基于Sentinel-2遥感反射率及其比值,建立了海表pCO₂的遥感反演算法。算法验证结果显示决定系数为0.92,均方根误差为23.23 μatm,遥感反演结果与实测值具有较高一致性。在此基础上,制作了2017—2021年秋季(9—11月)象山港海表pCO₂遥感产品,结果表明,象山港海表pCO₂整体上呈现从湾顶向湾口递减的趋势,均值为514.56 μatm,其中,湾内pCO₂均值为551.94 μatm,湾外pCO₂均值为477.19 μatm,整体呈现为大气CO₂的源,且5年间秋季pCO₂没有显著趋势性变化。结合多参数走航实测数据分析发现,2021年象山港秋季海表pCO₂受物理混合作用及生物活动的共同调控。海表温度(sea surface temperature, SST)与pCO₂具有良好的正相关关系,且SST对pCO₂的影响主要体现在碳酸盐热力学平衡作用上。此外,平均温度归一化的pCO₂(NpCO₂)与海水盐度和溶解氧饱和度均具有良好的负相关关系,NpCO₂与海水盐度的关系是潮汐作用下湾内和外海水体交换的结果;长时间序列的遥感数据分析也证实湾内、湾外pCO₂与平均潮高具有较为一致的变化趋势,且这种趋势在湾外强于湾内。该研究构建了一套海湾小尺度pCO₂遥感反演方法,为后续海-气CO₂通量大范围、长时序遥感监测奠定了良好基础。

海岸线是描述海陆分界的重要地理要素之一,其在自然因素及社会经济因素的双重影响下发生着不同强度的动态演变。基于Landsat系列卫星遥感影像,通过RS、GIS技术结合实地勘察,分析了1976—2021年间南澳岛海岸线时空演变,并运用灰色关联分析法进行驱动因素分析。结果表明:1)45年来南澳岛海岸线变迁显著,长度增长了11.06 km,分形维数呈升高趋势;2)研究期内,岸线类型由基岩为主的自然岸线向人工岸线转化,岸线利用程度综合指数呈增长趋势,岸线结构呈单一至多元发展的态势;3)南澳岛海岸线演变有明显的镇区差异,后宅镇受人为因素影响大,其演变较为显著,云澳、深澳两镇主要受到自然因素影响,其演变较为缓慢;4)台风(自然灾害)以及人口数量是南澳岛海岸线演变的主要驱动因素。

海岸侵蚀导致土地流失,严重威胁人民生命财产安全,识别海岸侵蚀脆弱性对于防灾减灾意义重大。从海岸动力、海岸形态和社会经济三个方面构建评价指标体系,利用数字化海岸线分析系统(digital shoreline analysis system,DSAS)和遥感数据,采用断面法将海岸离散为等间距的评价单元,基于熵权法确定评价指标权重、等级并计算海岸侵蚀脆弱性,利用地理探测器识别海岸侵蚀脆弱性的空间分异和影响因素。结果表明:江苏中部海岸侵蚀脆弱性为极高脆弱、高脆弱、中脆弱、低脆弱和极低脆弱的比例分别为5.60%、15.80%、30.93%、24.21%和23.46%,海岸侵蚀脆弱性总体呈现北高南低的分布趋势,其中为极脆弱的区域主要位于中山河口—射阳河口之间的海岸区域。江苏中部海岸侵蚀脆弱性的空间分异是海岸动力、海岸形态、社会经济多重因素协同作用的结果,其中潮滩坡度、地表覆盖类型、平均潮差、海岸线变化速率是海岸侵蚀脆弱性空间分异的主导因子。