海洋洋流的变化模式对全球气候和天气产生深远影响，但至今对洋流的动态行为仍存在诸多未知。加州大学圣地亚哥分校的研究人员开发了一种人工智能（AI）工具，能够在大范围海域内以极高的细节水平绘制洋流图谱，这一成就此前难以实现。

该团队于4月13日在《自然地球科学》期刊发表了相关研究成果。他们利用气象卫星的热成像数据，训练了一个名为GOFlow（地球静止轨道海洋流动）的神经网络模型。

加州大学圣地亚哥分校斯克里普斯海洋研究所的海洋学家、该研究的第一作者卢克·勒南表示：“我们现在能够从太空中观察到变化迅速且细微的洋流，细节和频率都远超以往。这些洋流对热量、碳、养分和污染物在海洋中的传输起着关键作用。”

洋流的涨落

几年前，勒南在观察北大西洋的卫星热成像时，注意到主要洋流如墨西哥湾流的温度变化呈现出特定的视觉模式。他萌生了利用人工智能将这些视觉信息转化为洋流测量数据的新方法。

研究团队先在模拟洋流数据上训练GOFlow神经网络，随后将其应用于真实的气象卫星图像。该AI工具通过追踪海面温度的变化，推断出引起温度变化的洋流运动。

他们将GOFlow的结果与墨西哥湾流区域的船舶实测数据进行了比对，并与传统依赖海面高度变化的卫星测量方法进行了验证。结果显示，GOFlow不仅与其他数据高度一致，还能提供比以往计算机模型更为详尽的洋流细节。

勒南强调：“这类基于AI的方法并非取代物理学，而是帮助我们从卫星观测数据中提取出传统方法难以恢复的物理信息。”

来自太空的视角

尽管GOFlow取得了显著进展，研究人员也指出其存在一些限制，例如云层遮挡会影响卫星对海洋的观测。未来的工作将结合更多卫星数据以弥补这些空白。

此外，研究团队计划公开发布所开发的计算代码，以促进相关领域的进一步研究。

勒南表示：“我们希望这项工作能够透明、可复现，并对更广泛的科研社区有用。GOFlow是迈向将大规模遥感数据与机器学习常规结合的重要一步。”

利用卫星图像研究洋流是地球观测的一个典型应用，政府、军方、农民和保险公司等多方依赖这些数据进行决策。

GOFlow项目也反映了人工智能在地球科学领域的广泛应用趋势。NASA、欧洲航天局及多家私营航天企业已开始开发和测试能够分析遥感数据的AI工具，以加速数据处理并提升分析精度。