▲科學家利用人工智慧繪製出極為精細的洋流圖。（圖／斯克里普斯海洋研究所）
記者楊智雯／綜合報導
洋流影響著地球的天氣、氣候與海洋生態，甚至海上搜救、溢油擴散追蹤，也少不了對洋流的掌握。如今，加州大學聖地牙哥分校的研究團隊於4/13在《Nature Geoscience》雜誌上發表了他們的研究成果，科學家首度透過人工智慧，把過去難以即時捕捉的小尺度洋流動態「看清楚了」，為海洋觀測帶來重大突破。
[廣告] 請繼續往下閱讀.
加州大學聖地牙哥分校的研究團隊，開發出名為GOFlow的AI模型，能從氣象衛星熱影像中精準推算海面洋流變化，解析度與更新頻率皆遠超傳統方法。這項技術由斯克里普斯海洋研究所海洋學家Luc Lenain與Kaushik Srinivasan共同主導，補上長期以來海洋觀測的困難。
過去要掌握海面洋流並不容易，尤其是寬度不到10公里、可能在數小時內形成又消失的小型強流，這類洋流雖然尺度不大，卻是驅動海洋垂直混合的關鍵力量，影響深海與淺海之間的熱量、碳與營養物質交換，雖然現有衛星可透過海面高度變化間接估算洋流，但是約10天才掃描同一海域一次，更新速度太慢，而船載測量和沿海雷達系統可以捕捉到快速變化，但僅限於有限的區域。
研究團隊提到研發靈感來自2023年團隊觀察GOES-East氣象衛星拍攝的北大西洋熱影像時，發現海面溫度圖像中隱藏著墨西哥灣暖流等大型洋流的流動痕跡，於是，團隊開始嘗試讓AI學習如何從這些溫度紋理中讀出洋流資訊。
GOFlow的運作原理，是透過深度學習訓練神經網路，辨識海洋表面溫度圖像在洋流推動下，如何出現彎曲、拉伸與位移，AI先從高解析海洋環流模擬資料中學習溫度與流速的對應關係，再分析衛星連續拍攝的熱影像，推算出海水流速與方向，等於讓AI從太空拍下的海面「溫度紋路」，反推出海洋底下的流動。
[廣告] 請繼續往下閱讀..
該研究的第一作者Luc Lenain指出，真正的突破，不是衛星拍得更清楚，而是研究團隊終於找到方法，把過去只能當作熱圖看的影像，轉換成每小時更新的洋流地圖，他表示，如今可以從太空以前所未有的細節和頻率，觀測到小型、快速變化的洋流，而這些洋流正是控制熱量、碳、營養物質及污染物在海洋中移動的重要力量。
為了驗證準確性，團隊將GOFlow推算結果與2023年墨西哥灣暖流區域的船載實測資料，以及傳統衛星估算結果比對，結果顯示，GOFlow不僅與實測吻合，還能看見更多過去無法清楚辨識的小型渦流與邊界流，讓科學家首度能直接量測驅動海洋垂直混合的小尺度強流特徵。
研究團隊指出，GOFlow最大優勢之一，是不需發射新衛星，而是直接利用既有氣象衛星資料即可運作，未來若進一步整合更多衛星數據、克服雲層遮蔽限制，有望推廣至全球，協助提升氣候模型準確度，也能應用在海洋垃圾追蹤、溢油擴散監測、海上搜救及生態預測等領域，為人類理解海洋提供更即時、精細的新工具。