静止衛星がとらえた海流の前例のない観測

落ち着きのない海を見つめる新しい方法

海面は細いジェット流や小さな渦が入り組み、静かに天候や気候、海洋生物に影響を与えています。しかしこれらの急速に変化する流れは衛星からはほとんど見えませんでした。本研究はGeostationary Ocean Flow（GOFLOW）と呼ばれる手法を紹介します。これは気象衛星の連続的な赤外画像を、時間ごとの詳細な海面流マップに変換し、上層海洋の実際の動きを新たに可視化します。

小さな流れがそれほど重要な理由

一見すると、海は主要な海流や数か月続く温水域・冷水域といった大きな構造に支配されているように見えます。しかしその内部には幅数キロメートル程度で、一日以内に発生して消える小さな筋状流、前線、渦が潜んでいます。これらの微細流は表層と深層の間で熱や炭素、栄養塩を輸送し、油流出やプラスチックといった漂流物の経路を左右します。これまで主要な衛星ツールは空間分解能が粗く時間分解能も遅いため、このせわしない小規模運動を捉えられず、観測と予測に大きな空白が残されてきました。

既存の衛星観測の限界

従来の衛星ミッションは地球を周回しながら海面高を週単位で測定し、広域の流れを推定してきました。新しいミッションはより小さな海面の凹凸を検出できますが、同じ地点の再観測は数週間ごとに限られ、内部波からの信号に汚染されやすく長期の海流とは関係の薄いスナップショットになりがちです。ほかの手法は画像から直接海面温度の特徴を追跡しようとしますが、鋭い前線に依存したり、雲による欠損や大気による加熱・冷却がパターンを複雑にしてしまいます。その結果、既存の地図は表層近くで短期的に支配的な構造をぼかしてしまいます。

衛星に流れを感知させる

GOFLOWは別種の衛星、すなわち同じ領域を常時見続ける静止気象衛星を利用します。これらは海面温度の赤外画像を時間ごとに、キロメートル級の解像度で広大な海域にわたって記録します。温度そのものではなく、作者らは温度が場所ごとにどれほど変化しているかをニューラルネットワークに与え、海面に広がる強弱のある前線の豊かな網目を浮かび上がらせます。U字型の深層学習アーキテクチャは、大西洋の非常に高解像度な数値シミュレーションで訓練され、3枚の時間間隔1時間の画像列が流れに押されてどのように変化するかを学習します。訓練後、システムは現実の衛星画像を仮定に頼らず瞬時の表面速度マップに変換できます。

新しい海図の検証

研究者らはGOFLOWを北大西洋で最もエネルギーの高い海流の一つ、メキシコ湾流に適用しました。従来の衛星ベースの製品と比べると、新しい地図はぼやけた斑点ではなく、鮮明で連続した渦やフィラメントを示します。これらは温度画像の細部と密接に一致し、内部波の影響を強く受ける最近の高解像度海面高ミッションよりもはるかにクリーンです。船舶やドリフト観測器による直接の流速観測と照合しても、GOFLOWの推定は速度と方向の両方で非常によく一致しました。また、古い手法では得られない、表面が収束している場所や拡散している場所のマップといった場を生成できる点も特筆できます。これらは表層と海洋内部の垂直運動を駆動する重要な指標です。

乱流に関する統計が示すもの

GOFLOWは密な時間解像度の速度場を提供するため、研究チームはメキシコ湾流の広い領域にわたる小規模乱流の統計的指紋を算出できました。彼らは時計回りと反時計回りの回転運動、収束と発散の領域の間に強い不均衡を見出し、これらは垂直交換を活性化することが知られた非地衡的流れの特徴です。こうした指紋はこれまで主に高解像度の数値モデルや専門的な観測キャンペーンでしか現れていませんでした。運動エネルギーのスケール別分布はGOFLOWが約10キロメートル程度までの幅広いスケールを捉えていることを示し、エネルギー分配の見え方は船舶による直接推定と一致します。

人と地球にとっての意義

平たく言えば、GOFLOWは既存の気象衛星を微細な海面流をほぼリアルタイムで追跡する強力な目に変えます。雲による欠損は依然として存在し、訓練に使われたシミュレーションに由来する制約もありますが、すでに解像度と鮮明さの面で現在の全球製品を凌駕しています。次世代の気候・天気モデルが必要とする迅速で高解像度のデータを提供することで、熱輸送、大気海洋相互作用、汚染物質や栄養塩の経路の予測改善に寄与し得ます。これにより、ぼんやりした連続写真の集まりではなく、海面の真のムービーに科学者を近づけます。

引用: 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

キーワード: 海流, 衛星観測, ディープラーニング, メキシコ湾流, サブメソスケール乱流