海洋洋流的变化规律深刻影响着地球的气候与天气。时至今日，洋流的运动规律依然难以被完整掌握。不过，来自加州大学圣地亚哥分校的研究人员开发出了一款AI工具，能够以前所未有的精度对大范围海域的洋流进行绘制与分析。
该研究团队于4月13日在《自然·地球科学》期刊上发表了相关成果。他们利用气象卫星的热成像图像对一个AI神经网络进行训练，并将这一方法命名为GOFlow（对地静止轨道海洋流场）。
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、该研究的第一作者吕克·勒南在接受采访时表示："我们现在可以从太空中以远超以往的精度和频率观测到小型、快速变化的洋流。这些洋流非常重要，因为它们有助于控制热量、碳、营养物质和污染物在海洋中的流动方式。"
研究起源
几年前，勒南在查看北大西洋的热成像卫星图像时，注意到湾流等大型洋流在温度变化中呈现出明显的视觉规律。这一发现让他萌生了一个新思路：将肉眼所观察到的信息转化为AI工具可处理的数据，从而开创一种全新的洋流测量方式。
研究团队首先用模拟洋流数据对GOFlow神经网络进行训练，再将其应用于气象卫星拍摄的真实图像。该AI工具通过追踪卫星图像中的海面温度变化来推断洋流的分布，因为海面温度会因海洋深层洋流的运动而发生变化。
通过分析图像中的温度变化，GOFlow能够推断出引发这些变化的洋流来源。
研究团队将分析结果与船舶在湾流海域采集的实测数据进行比对验证，同时也与依靠追踪海面高度变化的传统卫星方法所得结果进行了对比。
结果表明，GOFlow的输出结果与船舶及卫星的测量数据高度吻合，更重要的是，GOFlow提供了比传统计算机模型更为精细的洋流细节信息。
"这类AI驱动的方法并不是要取代物理学，"勒南说，"AI的作用是帮助我们从卫星观测数据中提取本已存在、但用传统方法难以获取的物理信息。"
技术局限与未来展望
尽管GOFlow取得了显著成果，研究人员也坦承该工具目前存在一定局限性，其中之一便是云层遮蔽问题：阴云天气会阻挡卫星对海面的观测视野。他们表示，未来的研究将纳入更多卫星数据以弥补这一不足。
研究团队开发的计算机代码将对外公开发布，以推动相关领域的进一步研究。
"我们希望这项研究能够做到透明、可复现，并对更广泛的学术社区有所裨益，"勒南说，"我们将GOFlow视为在更大规模遥感数据集与机器学习结合方向上迈出的重要一步。"
利用卫星图像研究洋流是地球观测领域的典型应用场景。政府、军队、农业从业者以及保险公司都依赖此类数据进行决策。
GOFlow项目也是当前AI技术浪潮的组成部分——AI工具能够显著加快数据分析速度并提升分析精度。美国国家航空航天局、欧洲航天局以及多家私人航天企业，均已开始构建并测试能够处理此类遥感数据的AI工具。
Q&A
Q1：GOFlow是什么？它是如何绘制洋流的？
A：GOFlow（对地静止轨道海洋流场）是由加州大学圣地亚哥分校研究团队开发的一款AI神经网络工具。它通过分析气象卫星拍摄的热成像图像，追踪海面温度的细微变化，并以此推断海洋洋流的分布与走向。研究团队首先用模拟洋流数据对其进行训练，再将其应用于真实卫星图像，最终实现了对大范围海域洋流的高精度绘制。
Q2：GOFlow相比传统洋流测量方法有哪些优势？
A：与依靠追踪海面高度变化的传统卫星方法相比，GOFlow能够以更高的精度和更高的频率观测小型、快速变化的洋流，并提供了传统计算机模型难以呈现的洋流细节信息。研究人员将其结果与实船测量数据及传统卫星数据比对后，发现结果高度一致，验证了其可靠性。
Q3：GOFlow目前有哪些局限性？后续如何改进？
A：GOFlow目前面临的主要局限是云层遮蔽问题，阴云天气会阻挡卫星对海面的观测，导致数据出现缺口。研究团队表示，未来将引入更多卫星数据来填补这一不足。此外，他们也将相关计算机代码对外公开，以促进学界的进一步研究与改进。
热门跟贴