近日，山东大学海洋研究院物理海洋团队在遥感领域国际顶级期刊Remote Sensing of Environment在线发表了题为“An improved algorithm for detecting mesoscale ocean fronts from satellite observations: Detailed mapping of persistent fronts around the China Seas and their long-term trends”的研究论文。该研究提出了一套适用于高分辨率卫星数据的海洋锋面自动识别算法，弥补了先前算法在识别近海锋面以及锋面连续性等方面的不足，并基于该算法首次客观绘制了我国周边海域持续性（准静止）锋面的精细图谱。
海洋锋面通常定义为温度、盐度或浮游植物等水平梯度相对较高的狭窄水域，其普遍且离散地存在于全球上层海洋中。锋面处的次级环流、辐聚效应及强混合等动力过程显著影响着海洋中的物质、能量输运与生态过程，在海气相互作用、海洋生态、渔业、军事、生物地球化学和污染物分布等方面都扮演着重要角色。海洋锋面的准确识别不仅对于理解和预测气候、海洋循环和生态系统具有重要的科学意义，对提高渔业资源和渔场预测水平、服务军事等也具有十分重要的实际应用价值。
图1 锋面识别新算法的处理流程图
图2 我国周边海域持续性（准静止）锋面的精细分布
图3 我国近海锋面的长期变化趋势
依托高性能计算平台，采用计算机编程算法从卫星观测的海洋大数据中识别锋面是获取锋面活动信息的最主要途径。相比其他算法，基于直方图的算法对梯度不敏感、经过了大量验证和应用、结果可靠，成为以往研究中最受欢迎的方法。然而，以下两点不足限制了该算法的进一步应用：一是较大的检测窗口使其难以识别近岸及云层覆盖附近的锋面，尤其是我国近海崎岖的海岸线使其难以准确识别锋面；二是多个重叠窗口的独立检测不可避免地导致了不连续的锋面识别和重复识别。基于直方图算法的基本原理，该研究设计了一套基于数学形态学算子结合反距离加权的算法（图1），很好地解决了先前算法的局限性。经验证，新的算法检测锋面性能提高了58.45%。该研究基于1982-2021年逐日的高分辨率海表温度数据和以上算法，首次客观描绘了我国周边海域的持续性温度锋面，更新了先前研究手绘的锋面位置，并且发现了一些过去未报告的持续性锋面（图2）。研究进一步发现，受到气候变化相关的风场、环流或背景温度变化的影响，我国近海的大部分锋面发生频率及强度均呈现出显著的长期变化趋势（图3）。该研究为理解锋面动力过程及其生物-物理相互作用提供了重要的基础信息，并对渔业资源预测和管理、养殖区优化、军事决策等也具有重要的实际应用价值。
该成果由山东大学海洋研究院物理海洋团队联合日本东京大学Shin-ichi Ito教授共同完成。该团队长期致力于物理海洋学、海洋生态动力学、业务化海洋学及人工智能海洋学等方面的研究，注重多学科交叉、研究方法和理论的创新。本文第一作者为博士研究生邢勤旺，通讯作者为于海庆副研究员。该研究得到了南方海洋科学与工程广东省实验室(珠海)自主科研项目、山东省及国家自然科学基金等项目的资助。
文章链接：https://doi.org/10.1016/j.rse.2023.113627
微信公众号
