利用海洋衛星資料進行表層洋流建模
表層洋流是海洋動力學的關鍵組成部分，影響海洋中的各種過程，從熱分佈和污染物擴散到生物遷徙，甚至航行安全。準確了解表層洋流模式對於支援沿海規劃、災害緩解和海洋資源管理至關重要。隨著遙感技術的進步，海洋衛星資料已成為日益重要的資訊來源，能夠提供廣泛的空間覆蓋、定期監測和長期一致的觀測資料。本文探討了表層洋流建模的概念、所使用的衛星資料、建模方法以及面臨的挑戰和機會。
1. 表層洋流的基本概念
表層洋流主要受風力、溫度和鹽度變化引起的密度差異以及地球自轉產生的科氏力的影響。在沿海地區，洋流也受到潮汐、海岸線形狀、水深以及與波浪相互作用的影響。通常，了解表層洋流主要有兩種方法：（1）使用現場儀器進行直接觀測，例如海流計、聲學多普勒流速剖面儀（ADCP ）或漂流浮標；（2）透過模型進行間接估算，該模型利用衛星資料和流體動力學原理。
衛星數據雖然不像現場儀器那樣直接測量海流，但它提供了與水體運動密切相關的變量，例如海平面、海表溫度和海面風。利用海洋物理學方法和數據驅動技術，可以將這些變數結合起來，推導出海流分量。
2. 相關海洋衛星資料類型
海面洋流模型通常利用以下衛星產品：
a. 衛星測高（海面高度/SSH）
衛星高度計測量高度 海平面 相對於橢球體而言。由於空間變異性較高 海平面我們可以計算與地轉流相關的海面坡度。海平面異常（SLA）和絕對動態地形（ADT）等衍生產品通常用於估算中尺度海流（例如，大洋流和渦旋）。
b. 散射計和地面風產品
散射計用於測量海洋表面風速和風向。風是表層埃克曼流的主要驅動力，並有助於上升流和下沉流的形成。風數據對於驅動數值海洋模式也至關重要。
c. 海面溫度 （海面溫度/SST）
海表溫度（SST）由紅外線和微波感測器取得。海表溫度模式可以指示海洋鋒面、上升流和平流等情況。 水團雖然海表溫度不是目前的衡量標準，但其梯度和演變有助於解釋當前的動態，並且可以納入模型中。
d. 海洋顏色（葉綠素a）
海洋水色資料描繪了葉綠素a濃度和光學參數。 海水葉綠素濃度模式通常與目前的平流過程一致，因此它們可用作「示蹤劑」來驗證水團運動的方向和結構，尤其是在… 沿海地區 以及高產區。
e. 表層鹽度（海水錶層鹽度/SSS）
諸如SMOS或SMAP之類的衛星可以提供表層鹽度的估算值。雖然其分辨率通常比海表溫度低，但這些資訊對於溫鹽環流和密度過程至關重要。
3. 基於衛星資料的流場建模原理
a. 地轉流估算
最常用的方法之一是利用海平面梯度計算地轉流。在地轉平衡條件下（對於中大型尺度以及遠離赤道的區域相對有效），壓力梯度力與科氏力達到平衡。簡言之，表層地轉流可由平均海平面高度/海面高度比（ADT/SSH）斜率推導出來。此方法能夠有效辨識大型海流，例如（在特定情況下）印尼貫穿流、西岸流和中尺度渦旋。然而，在狹窄的沿海區域或淺水區，由於底摩擦的影響，地轉流方法往往不夠精確。 起起伏伏以及地形複雜性。
b. 埃克曼電流風分量
埃克曼流是海洋表層對風切的反應。衛星風場資料可以估算埃克曼輸送分量，包括輸送方向。由於科里奧利效應，輸送方向通常會偏離風向。這些估算有助於補充地轉流無法完全反映的表層洋流信息，尤其是在日尺度到週尺度以及受季節性風影響較大的區域。
c. 資料同化到數值模式中
更全面的做法是運行一個水動力/海洋學模型（例如環流模型），輸入大氣強迫（風、熱通量）和邊界條件，然後同化衛星資料（海面高度、海表溫度、海鹽度）。資料同化的目的是修正模式狀態，使其更接近觀測條件。這樣，模型就能產生一個與衛星觀測結果相符的、物理上一致的海流場。
d. 基於機器學習的方法
近年來，機器學習已被用於繪製多參數衛星資料（海表溫度、海面高度、風、葉綠素）與來自實測或再分析資料的表層洋流之間的關係圖，並將這些「標籤」作為標籤。其優勢在於能夠捕捉非線性關係並填補數據空白。然而，該方法需要強大的訓練資料集，如果海洋環境條件發生顯著變化，則其泛化能力可能較差。
4. 通用建模工作流程
總之，基於衛星的海面洋流建模工作流程可能包括：
1. 資料收集：選擇研究時期、區域及相關衛星產品（ADT/SLA、風、SST、葉綠素）。
2. 預處理：品質控制、區域裁切、重新網格化為統一解析度、雜訊濾波。
3. 計算目前分量：例如，從 ADT 計算地轉流，從風計算埃克曼流。
4. 融合：將目前分量組合起來以獲得總表面流估計值，或透過同化將資料輸入數值模型。
5. 驗證：將結果與漂流浮標、ADCP、浮標或再分析資料集進行比較。驗證對於評估偏差、統計誤差和季節性表現至關重要。
6. 進階分析：辨識渦旋、鋒面、輸送路線、匯聚/發散區域及其對環境現象的影響。
5. 表面流建模面臨的挑戰
雖然衛星資料非常有用，但也存在一些挑戰：
空間與時間解析度：傳統測高技術對沿海和小尺度現象的分辨率有限，例如狹窄的近岸流或潮汐流。 起起伏伏 需要高解析度。
– 沿海地區的干擾：衛星訊號經常受到陸地、波浪或大氣條件的污染，因此沿海地區的資料品質會下降。
– 地轉假設的限制：在淺水區、赤道附近或非常小的尺度上，地轉平衡並不總是適用。
潮汐和波浪的影響：洋流 許多沿海地區表面 受潮汐影響較大，而衛星資料較擅長捕捉中等尺度的訊號。
– 驗證有限：現場數據並不總是足夠密集，無法驗證整個區域的模型。
6. 機會與發展方向
新一代衛星技術的發展、處理方法的改進以及開放資料的可用性帶來了巨大的機會。多感測器整合（高度計、海表溫度、風場、海色、鹽度）可以提高建模精度。此外，結合實體模型和人工智慧模型提供了一種極具吸引力的混合方法：物理模型保持動態一致性，而人工智慧則有助於偏差校正並提高空間解析度（降尺度）。展望未來，更精確的海面洋流建模將顯著提升實際應用，例如溢油分佈預測、高效船舶航線規劃、海流能量潛力分析以及海上搜救行動支援。
關閉
利用海洋衛星資料模擬表層洋流是全面且永續地理解海洋動力學日益重要的方法。透過結合高度計數據模擬地轉流、風場數據模擬埃克曼流，以及海表溫度、海洋顏色和鹽度等數據，研究人員可以更全面地了解表層洋流。儘管目前仍面臨諸多挑戰，尤其是在沿海地區和小尺度範圍內，但多源資料的整合、與數值模型的同化以及機器學習技術的應用，為該領域的發展提供了廣闊前景。因此，衛星資料不僅豐富了科學認知，也為依賴海洋狀況資訊的各個領域帶來了實質利益。
