使用机器学习研究亚中尺度再分层的全球气候学

为何微小的海洋漩涡重要

从太空看海面似乎平静，但其下方藏着一层躁动的海域，由成千上万仅数公里宽的小漩涡塑造。这些被称为亚中尺度涡旋的特征决定了表层海水混合的深度、热量如何储存以及养分如何被输送到光照充足、适合生物生长的海面。然而直到现在，科学家们还缺乏一种简单的方法来长期、全球性地追踪这些运动。本研究提出了一种从常规海洋观测中读取这些隐匿涡旋指纹的新方法，揭示了它们何时何地最为活跃的全球图景。

广阔海洋中的小涡旋

与大型洋流相比，亚中尺度涡旋规模较小，但能量充沛且演变迅速。它们在上百米的海层内搅动并倾斜较轻与较重的水团。当发生这种作用时，它们能够重建在冬季风暴中被向下混合的表层结构。这种重建，即再分层，使表层在春季再次变浅，影响上层海洋的增温速度以及微小植物获得养分的途径。由于这些涡旋尺度很小，它们难以直接观测，并且直到最近才开始在最高分辨率的数值模式中出现。这使得一些基本问题难以回答：它们在全球有多普遍？其影响如何随季节变化？

教会计算机解读海洋剖面

作者们求助于一项庞大但未被充分利用的资源：超过二十年的 Argo 浮标观测记录，这些漂浮机器人反复从海面潜至约两千米深处并记录不同深度处水体的密度。研究团队没有试图直接观测涡旋本身，而问了一个不同的问题：能否从表层垂直密度剖面的形状中检测到它们的影响？他们使用了一种无监督机器学习方法，称为剖面分类模型。首先，对于每个浮标剖面，他们仅截取表层混合层内的部分并对其重新缩放，使所有剖面在相对深度尺度上可比。然后让算法仅根据剖面形状对剖面进行分组，而不预先指示其寻找何种特征。

表层海洋的两种不同模式

该机器学习方法一致地将剖面分成了两类。一类中，密度从海面到底部混合层几乎保持不变，然后在下方急剧上升，这是良好混合的表层的典型特征。另一类中，密度自表面向下逐渐增加，即使在混合层内部也显示出较弱的层化。先前的高分辨率模拟表明，当亚中尺度涡旋主动进行再分层时，会出现这种较为平缓的分层形态。因此，作者将这些剖面标注为“亚中尺度活跃”剖面，并定义了一个亚中尺度再分层（SR）指数：在任一区域和月份，SR 指数就是属于此活跃类的剖面所占的比例。

季节节律与全球热点

将 SR 指数按纬度和月份绘制地图后，出现了显著的季节性格局。在两个半球中，该指数在春季达到峰值，这通常发生在冬季末表层混合层最深之后的一个月或更长时间。SR 指数在混合层回升最快的时段达到最高，支持了亚中尺度涡旋有助于暴风后表层分层快速恢复的观点。全球图谱还揭示了若干热点：南大洋的南极绕极流带尤其是在德雷克海峡附近的强信号，以及北大西洋的挪威海。有趣的是，赤道附近也存在一条持续的高 SR 指数带，其成因可能与强降雨、河流输入或使密度结构扭曲并类似于再分层的强烈洋流有关。

混合与重建之间的平衡

为了把新的指数置于更广泛的物理背景中，作者将其与一个“再分层比率”进行了比较，该比率衡量使表层混合并侵蚀层化的表面作用（如冷却、蒸发和风驱动的翻转）与亚中尺度运动的再分层作用之间的拉锯。混合占优的区域和季节通常具有较低的 SR 指数，而再分层具有竞争力的地区则有较高的指数。这一联系支持了基于剖面的指数确实捕捉到了亚中尺度涡旋何时何地在重塑表层的事实。

这对气候与未来工作的意义

通过将数百万条常规浮标观测转化为亚中尺度再分层的全球地图，本研究表明微小涡旋的微妙指纹广泛存在，并不局限于少数显著的洋流。全球超过一半的夜间春季剖面带有活跃再分层的特征。对非专业读者来说，关键信息是：小而快速的海洋漩涡在表层从冬季风暴中恢复的过程中扮演重要角色，这进而影响气候预测和海洋生态系统。新指数为检验与改进气候模式以及在这些隐藏运动最可能产生影响的区域规划有针对性的实地观测提供了切实可行的工具。

引用: Yao, L., Taylor, J.R. Global climatology of submesoscale restratification using machine learning. Sci Rep 16, 14309 (2026). https://doi.org/10.1038/s41598-026-41929-x

关键词: 海洋混合层, 亚中尺度涡旋, Argo 浮标, 海洋学中的机器学习, 海洋分层