一种轻量且具物理意识的多尺度海洋热浪预报框架

为何海洋突发变热事关每个人

在全球各地，海域有时会在数日、数周甚至数月内持续异常升温。这些海洋热浪会导致珊瑚白化、破坏渔业并损害沿海经济。然而，目前大多数预测工具要么是运行缓慢且费用高昂的超级计算机模型，要么是忽视重要局地细节的简单统计方法。本文提出了一种名为 MARINA 的新方法，旨在提供快速、具有局地性且可靠的海洋热浪预报，覆盖小时、天和周级别，从而使早期预警对社区和海洋管理者更为切实可行。

海上的热点及其难以预测的原因

海洋热浪产生于多种天气与海洋条件同时出现：晴朗的天空和强烈日照使海面升温，微弱的风减弱了冷却作用，持续的高压系统则将热量困在海洋表层。这类极端高温事件会导致珊瑚白化、海草损失、鱼类大量死亡，并在海洋食物网中引发连锁反应。其预测难点在于，它依赖于随地点变化的气海精细交互。大型全球模拟能表示广泛的气候模式，但往往会平滑掉局地极值且计算成本高昂。更简单的统计模型更廉价，但通常忽视大气与海洋相互作用的物理机制，且通常只在单一时间尺度上工作。

一种将物理与数据融合的轻量新途径

MARINA 旨在以紧凑框架将物理认知与数据驱动学习桥接。它分两阶段运行。首先，它在基本气象观测之间（如气温、气压、风速和日照）搜索组合，发现能够追踪这些要素如何共同作用以加热或冷却海表的“交互因子”。该搜索使用强化学习与遗传算法的混合方法，构建与观测到的海表温度和海洋热浪事件高度相关的紧凑公式。其次，MARINA 将这些学习到的交互因子与历史温度记录一起输入一个双分支神经网络，预测未来海温并识别何时会越过热浪阈值。

从小时到数周的前瞻

与大多数现有系统不同，MARINA 设计为在多重时间步长上工作：小时、日和周。作者构建了一个新的多年数据集 MT-MHW，来自澳大利亚大堡礁沿线的十个站点，包含逾三百万条记录，涵盖三种分辨率下的海温与关键气象变量。基于此数据集，MARINA 给出了一周的预报，通过时间平均可分别实现小时、日和周的预报能力。在三个具有代表性的礁点上，模型在事件检测和温度精度的标准评估上得分很高，并且忠实再现了事件的重要特征，如持续时间和强度。研究还表明，MARINA 不只是简单地追随长期变暖趋势：当去除该趋势后，其技能常常有所提高，意味着它捕捉到了对突发热浪最为关键的高频波动。

在本地细节上胜过更大规模的模型

作者将 MARINA 与一系列流行的时间序列方法及主要气象机构的领先全球预报系统进行了比较。在三种时间尺度上，MARINA 对海表温度和热浪发生的预测更为准确，误差往往显著更低。它捕捉到了局地仪器观测到的短时且陡峭的温度尖峰，这些特征在基于卫星的全球产品中几乎不可见，凸显出专门化局地预报的重要性。即便在数据稀疏且分布不均的站点，MARINA 也显著优于全球模型。值得注意的是，其神经网络结构并非手工精心设计；在训练过程中使用了大型语言模型来探索多种设计选项并选择高效架构。最终系统可在单块现代图形卡上运行，与传统的物理密集型模拟相比，计算时间减少了好几个数量级。

这对保护海岸与珊瑚礁意味着什么

简言之，这项工作表明可以构建一个精简的预报工具，其对物理过程的“理解”足以与或优于更昂贵的气候模型，同时提供从小时到周的细粒度指导。对于礁区管理者、海水养殖经营者和沿海规划者而言，MARINA 及 MT-MHW 数据集指向了一个未来：可快速、经济地生成具体站点的海洋热浪预警，即便在计算资源有限的地区亦然。随着向更多海洋变量和更广区域的扩展，类似的具备物理意识的统计系统可以为一系列极端海洋与气象事件的早期预警提供支持。

引用: Su, X., Wu, Y., Wu, Z. et al. A lightweight physics-aware framework for multi-scale marine heatwaves forecasting. npj Clim Atmos Sci 9, 104 (2026). https://doi.org/10.1038/s41612-026-01367-y

关键词: 海洋热浪, 气候预报, 大堡礁, 海洋增温, 数据驱动的气候模型