《基于卫星遥感观测重构水下三维流场的研究取得新进展》

  • 来源专题:中国科学院文献情报系统—海洋科技情报网
  • 编译者: 熊萍
  • 发布时间:2024-12-15
  • 近日,中国科学院海洋研究所徐永生团队在基于卫星观测重构水下三维流场的研究中取得了突破性进展。相关研究成果发表在国际期刊《IEEE Geoscience and Remote Sensing Letters》上。

    海流作为海洋动力学的重要组成部分,在研究海洋动力过程与全球变化、构建海洋数值预测模型、预测污染扩散和生态系统变化等方面具有不可或缺的作用。同时,它在军事海洋战略、航运安全保障和海洋资源开发等领域也展现出广阔的应用前景。尽管卫星海洋遥感技术具备全球覆盖的优势,但其目前只能获取海洋表层信息。如何基于卫星表层观测数据重建海洋内部的三维流场,不仅具有重要的科学研究价值,还具有重要的实践应用意义。

    然而,利用卫星观测数据重构三维流场面临诸多挑战,这主要源于海流变化的高度复杂性、观测难度大以及观测数据资源的极度匮乏。一方面,高精度仪器如海流计和声学多普勒流速剖面仪(ADCP)的成本高昂;另一方面,观测过程对平台的稳定性要求严苛,且操作复杂,导致高质量海流观测数据极为稀缺,难以满足全球三维海流场构建的迫切需求。传统的水下三维重构方法通常依赖贯穿不同水深的剖面测量数据,但此类海流数据资源本身稀缺性极高,进一步加剧了重构的难度。这些因素显著限制了卫星海洋遥感技术的应用。

    针对这些难题,徐永生提出了一种基于卫星遥感数据的新型三维流场重构技术。该技术通过分析区域温盐结构数据,提取关键垂向动力模态特征,尤其聚焦于承载海洋大部分动能(约90%)的正压模态与第一斜压模态。通过构建卫星表面观测信息与这两种主导模态之间的映射模型,实现了对三维海流场的有效重构。要获取这两个关键模态的解,至少需要来自两个不同深度的全球覆盖海流信息源。徐永生研究团队通过将卫星高度计和散射计数据反演出的地转流和埃克曼流(代表表层海流)与Argo浮标提供的1000米深度海流数据相结合,有效解决了这一问题。该方法的可靠性通过与超过15,000组ADCP实测海流剖面数据的对比得到了验证。

    尽管卫星遥感技术在海流观测中具有重要的科学价值和实际意义,但直接通过卫星遥感手段探测海面矢量流仍是一项尚未在实践中攻克的难题。本研究中所采用的表面流数据,是基于卫星高度计与散射计反演得到的地转流与埃克曼流分量,这些仅是海流复杂成分中的一部分,因而不可避免地存在一定的精度局限性。全分量海流的卫星遥感直接探测是海洋遥感技术的前沿探索领域,同时也是一个多学科交叉融合的难题,亟待科学界加以攻克。在国家自然科学基金的重点支持下,徐永生团队与航天科工集团23所紧密协作,共同致力于实现海面矢量流的直接遥感探测。目前,联合团队研发的测流载荷已通过南海机载校飞验证,并成功搭载于珞珈二号卫星,现正稳定运行。这一突破使我国成为全球首个拥有Ka波段顺轨干涉SAR测流实验卫星的国家。联合团队正在积极探索遥感测流误差校正的新方法,以期实现新的突破。这些努力不仅推动了海流遥感观测技术的发展,也为海洋科学研究、环境保护和资源开发等领域带来了新的可能性。

    本文第一作者为徐永生研究员指导的博士生向亮,徐永生研究员为通讯作者。本研究得到了基金委联合基金(项目编号:U22A20587)的资助支持。

    文章信息:

    Xiang and Xu et al.,?Reconstruction of Interior Velocity in the Southern Pacific Ocean Using Satellite and Argo Data,??IEEE Geoscience and Remote Sensing Letters,?vol. 22,?pp. 1-5,?2025,?Art no. 1500405,?doi: 10.1109/LGRS.2024.3508023.

    https://ieeexplore.ieee.org/document/10770283

  • 原文来源:https://qdio.cas.cn/2019Ver/News/kyjz/202412/t20241213_7457396.html
相关报告
  • 《中国科学院海洋研究所在海洋三维温盐场反演重构方面取得新进展》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:liguiju
    • 发布时间:2023-06-05
    • 近日,中国科学院海洋研究所尹宝树研究团队在海洋三维温盐场反演重构方面取得新进展,研究成果在国际学术期刊FRONT MAR SCI(影响因子为5.24)发表。 海洋三维温盐场是海洋动力学研究的基础,反映了海洋中水的密度分布和运动方式。准确估计海洋的温度和盐度结构有助于揭示海洋的环流系统、水团形成和运动路径,进而理解海洋动力学过程以及它们对气候变化、海洋生态系统和全球循环的影响。但由于观测技术的限制,目前仍难以实现三维高时空分辨率的温度结构的直接观测,而卫星遥感可以提供高时空覆盖率多种海洋动力环境参数。因此,如何利用高分辨率的卫星遥感资料结合Argo等观测数据反演海洋内部关键动力环境参数场已成为物理海洋学研究的重要内容之一。 尹宝树研究团队基于多源卫星遥感表层数据(包括海表温度、海表盐度、海表高度和海表风场等)以及Argo实测数据,创新性地提出了一种基于Convolutional Block Attention Module-Convolutional Neural Network (CBAM-CNN)的新模型,能够同时反演重构出热带印度洋的三维温盐场。研究结果表明,CBAM-CNN模型在估计热带印度洋中的温盐场结构方面明显优于传统的卷积神经网络(CNN)模型,具备出色的性能。此外,研究团队通过与Argo观测数据的对比验证,证实了CBAM-CNN模型在不同深度上估计海洋温盐场的准确性,并展示该模型在利用海表数据捕捉观测特征方面的有效性。研究还证实CBAM-CNN模型在季节性应用方面表现出良好的适应性。该研究成果将为我们深入了解海洋动力学、推动海洋环境变化研究,以及应对全球气候变化等提供重要支持。 该研究由中国科学院战略性先导科技专项和国家自然科学基金委等共同资助完成。中国科学院海洋所副研究员齐继峰为第一作者,研究员尹宝树为通讯作者,合作者包括中国科学院海洋所副研究员李德磊和中国科学院南海所副研究员池建伟等。  论文链接: https://www.frontiersin.org/articles/10.3389/fmars.2023.1181182/full 文章信息: Qi, J.; Xie, B.; Li, D.; Chi, J.; Yin, B.; Sun, G. Estimating thermohaline structures in the tropical Indian Ocean from surface parameters using an improved CNN model. Front. Mar. Sci. 2023, 10, 1181182. https://doi.org/10.3389/fmars.2023.1181182
  • 《西北太平洋海表硝酸盐卫星遥感反演研究取得新进展》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:熊萍
    • 发布时间:2024-11-07
    • 自然资源部第二海洋研究所陈双玲研究员以第一作者兼通讯作者在国际知名期刊Journal of Geophysical Research: Oceans发表了题为“Remote Estimates of Sea Surface Nitrate and Its Trends From Ocean Color in the Northwest Pacific”的研究成果。合作者包括海洋二所硕士研究生孟宇、王云涛研究员、厦门大学商少凌教授和柴扉教授以及北京大学郑玫教授。 硝酸盐(NO3-),作为海洋氮循环过程中的一种主要存在形态,是浮游植物赖以生长的重要营养盐。海洋上层硝酸盐浓度的时空变化对研究浮游生物碳泵和海洋碳循环意义重大。海水中的硝酸盐不具备任何电磁波信号特征,且与相关海洋环境要素之间的关系复杂多变,海表硝酸盐浓度(SSN)的卫星遥感反演一直是当前水色卫星海洋遥感的研究热点和难点之一。 西北太平洋是全球重要的碳汇区。随着全球变化的加剧,西北太平洋上层硝酸盐的变化趋势问题备受关注。基于有限的历史船测资料,以往研究展现相悖结论:西北太平洋表层硝酸盐呈微弱下降或增加趋势。相比传统观测手段,卫星遥感具有大尺度、长时序稳定观测的优势。因此,本研究聚焦西北太平洋,首次利用机器学习方法构建了高精度的西北太平洋海表硝酸盐卫星遥感反演算法,生产了过去20年(2002-2022年)硝酸盐的日均遥感影像,且首次从卫星遥感的角度探究西北太平洋表层硝酸盐的变化趋势。研究表明,在过去20年,西北太平洋表层硝酸盐整体呈微弱下降趋势(-0.01μmol kg-1 yr-1),主导因素为海洋增温。 基于前期研究(Yu & Chen et al., 2021; Chen et al., 2023),该文所采用的SSN反演模型为堆栈式随机森林(Stacking Random Forest,SRF)。该模型的输入变量包括海表叶绿素浓度和海表温度,输出变量为SSN。该研究构建了SRF硝酸盐反演模型,验证数据集显示,模型的均方根误差(RMSD)约为1.34 μmol/kg(5.3%),R2为0.92。 此外,该研究还对模型进行了大量独立验证(不同季节、不同海域)和敏感性分析,证明反演模型的可靠性。基于多源独立航次数据的模型独立验证结果显示,模型的均方根误差(RMSD)约为1.15 μmol/kg(2.0 %),R2为0.8。 论文引用: Chen, S*, Meng, Y, Shang, S, Zheng, M, Wang, Y, & Chai, F (2024). Remote estimates of sea surface nitrate and its trends from ocean color in the northwest Pacific.Journal of Geophysical Research: Oceans, 129, e2023JC019846.