Eine beispiellose Sicht auf Meeresströmungen von geostationären Satelliten

Eine neue Art, das unruhige Meer zu beobachten

Die Meeresoberfläche ist von schmalen Jetströmen und winzigen Wirbeln durchzogen, die still und leise unser Wetter, Klima und das marine Leben prägen. Doch diese sich schnell ändernden Strömungen waren für Satelliten weitgehend unsichtbar. In dieser Studie wird eine Methode namens Geostationary Ocean Flow, kurz GOFLOW, vorgestellt, die kontinuierliche Infrarotbilder von Wettersatelliten in detaillierte, stündliche Karten der Oberflächenströmung verwandelt und so ein neues Fenster dafür öffnet, wie sich die obere Wasserschicht tatsächlich bewegt.

Warum kleinräumige Strömungen so wichtig sind

Auf den ersten Blick scheint der Ozean von riesigen Strukturen dominiert zu sein, etwa großen Strömungen oder warmen und kalten Wasserbecken, die Monate lang bestehen können. Eingebettet darin gibt es jedoch kleinere Streifen, Fronten und Wirbel, nur wenige Kilometer breit, die sich innerhalb eines Tages aufbauen und wieder verschwinden. Diese feinräumigen Strömungen transportieren Wärme, Kohlenstoff und Nährstoffe zwischen Oberfläche und tieferen Schichten und lenken treibendes Material wie Ölverschmutzungen und Plastiktrümmer. Bisher waren unsere wichtigsten Satelliteninstrumente zu grob in der räumlichen Auflösung und zu langsam in der zeitlichen Abtastung, um diese unruhigen kleinräumigen Bewegungen einzufangen, was eine große Lücke in der Beobachtung und Vorhersage des Ozeans hinterlässt.

Grenzen bestehender Satelliten­sichten

Traditionelle Satellitenmissionen messen die Höhe der Meeresoberfläche, während sie den Planeten etwa wöchentlich umkreisen, wodurch Wissenschaftler grobe Strömungsmuster ableiten können. Neuere Missionen erfassen kleinere Unebenheiten im Meeresspiegel, besuchen denselben Punkt aber ebenfalls nur alle paar Wochen, und ihre Aufnahmen werden von Signalen interner Wellen überlagert, die wenig mit langlebigen Strömungen zu tun haben. Andere Ansätze versuchen, Oberflächentemperaturmerkmale direkt aus Bildern zu verfolgen, verlassen sich dabei aber entweder auf seltene, scharfe Fronten oder haben Probleme mit Lücken durch Wolken sowie mit atmosphärischer Erwärmung und Abkühlung, die das Muster verfälschen. Infolgedessen verwischen bestehende Karten genau die Strukturen, die die kurzzeitige Durchmischung nahe der Oberfläche dominieren.

Satelliten beibringen, die Strömung zu „fühlen“

GOFLOW nutzt eine andere Art von Satellit: geostationäre Wetterplattformen, die dauerhaft auf dieselbe Erdregion blicken. Sie liefern stündliche Infrarotbilder der Meerestemperatur mit Kilometerauflösung über ausgedehnte Ozeanbecken. Statt der Temperatur selbst füttern die Autoren ein neuronales Netzwerk mit der Stärke der räumlichen Temperaturänderung, was ein reiches Netz starker und schwacher Fronten an der Oberfläche hervorhebt. Eine U-förmige Deep-Learning-Architektur wird mit einer sehr hochaufgelösten Computersimulation des Atlantiks trainiert und lernt, wie sich Sequenzen aus drei stündlichen Bildern dieses Netzwerks entwickeln, wenn Strömungen daran ziehen. Einmal trainiert, kann das System reale Satellitenbilder in eine unmittelbare Karte der Oberflächen­geschwindigkeit umwandeln, ohne anzunehmen, dass die Strömung vereinfachten Gleichgewichten folgt.

Test der neuen Ozeankarten

Die Forscher wandten GOFLOW auf den Golfstrom an, eine der energieintensivsten Strömungen im Nordatlantik. Im Vergleich zu standardmäßigen satellitengestützten Produkten zeigen die neuen Karten scharfe, zusammenhängende Wirbel und Filamente statt verschwommener Flecken. Sie stimmen eng mit feinen Details in den Temperaturbildern überein und bleiben deutlich sauberer als Ergebnisse einer jüngeren hochauflösenden Meeresspiegelmission, die stark von internen Wellen beeinflusst ist. Beim Abgleich mit direkten Schiffsströmungsmessungen und treibenden Messinstrumenten auf See stimmen die GOFLOW-Schätzungen sowohl in Geschwindigkeit als auch Richtung der Strömungen bemerkenswert gut überein. Die Methode liefert zudem Felder, die ältere Techniken einfach nicht bereitstellen können, etwa Karten von Bereichen, in denen die Oberfläche konvergiert oder sich auseinanderzieht — ein zentraler Treiber vertikaler Bewegungen zwischen Oberfläche und Ozeaninnerem.

Was die Statistik über die Turbulenz verrät

Da GOFLOW dichte, stündliche Geschwindigkeitsfelder liefert, konnte das Team statistische Fingerabdrücke kleinräumiger Turbulenz über ein weites Gebiet des Golfstroms berechnen. Sie fanden starke Ungleichgewichte zwischen im Uhrzeigersinn und gegen den Uhrzeigersinn drehenden Bewegungen sowie zwischen Konvergenz- und Divergenzregionen — Muster, die für ageostrophische Strömungen charakteristisch sind und den vertikalen Austausch antreiben. Solche Signaturen waren zuvor vor allem in hochaufgelösten Computermodellen und spezialisierten Feldkampagnen aufgetaucht. Die kinetische Energie über verschiedene Bewegungsgrößen zeigt, dass GOFLOW ein breites Spektrum an Skalen bis hinab zu etwa zehn Kilometern einfängt und dass seine Darstellung der Energieverteilung über diese Skalen mit direkten Schiffsbeobachtungen übereinstimmt.

Was das für Mensch und Planet bedeutet

Einfach gesagt verwandelt GOFLOW bestehende Wettersatelliten in leistungsfähige Augen zur Verfolgung kleinräumiger Meeresströmungen nahezu in Echtzeit. Zwar erzeugen Wolken weiterhin Lücken und die Methode übernimmt einige Beschränkungen aus den für das Training verwendeten Simulationen, doch übertrifft sie bereits aktuelle globale Produkte in Schärfe und Detailtiefe. Indem sie die schnellen, hochaufgelösten Daten liefert, die nächste Generationen von Klima- und Wettermodellen benötigen, kann dieser Ansatz Vorhersagen über Wärmetransport, Luft-Meer-Interaktion und die Wege von Schadstoffen oder Nährstoffen verbessern. Er bringt Wissenschaftler näher an einen echten Film der Meeresoberfläche statt an eine Reihe verschwommener Standbilder.

Zitation: Lenain, L., Srinivasan, K., Barkan, R. et al. An unprecedented view of ocean currents from geostationary satellites. Nat. Geosci. 19, 526–533 (2026). https://doi.org/10.1038/s41561-026-01943-0

Schlüsselwörter: Meeresströmungen, Satellitenbeobachtungen, Deep Learning, Golfstrom, Submesoskaler Turbulenz