[ESSD | 数据集] 澳门大学蔡忠亚教授团队在顶刊ESSD（IF=13.6）发布1993-2023年全球海表非地转环流数据集

物理信息深度学习重构全球海面环流：1993–2023逐日非地转流数据集发布

题目：Daily global sea surface ageostrophic current dataset from 1993–2023 via physics-informed deep learning
作者：Guangxi Cui, Ka-Veng Yuen, Ying Chen, Zhiqiang Liu, Dingqi Yang, Guangliang Liu, Zhongya Cai
单位：State Key Laboratory of Internet of Things for Smart City, Department of Ocean Science and Technology, University of Macau, Macau, China
期刊：Earth System Science Data

主要发现与创新

• 提出带非地转校正的物理信息密度神经网络AC-PIDNN，将海面稳态动量平衡直接嵌入网络训练约束。重建的全球海面流场动力学自洽性强，全球平均动量平衡误差低于1.5%，且30年长时序无系统性漂移。
• 产出一套覆盖1993–2023年、空间分辨率0.25°的全球逐日海面环流数据集，可完整分离地转、埃克曼、非线性平流三个动力学分量，支持非地转过程的定量拆解分析。
• 热带太平洋、大西洋、印度洋锚系观测验证显示，校正后流速精度显著优于传统地转流、埃克曼校正流及OSCAR业务化海流产品。
• 定量明确非地转过程的动力学贡献：非线性平流对大尺度相对涡度影响微弱，但主导海面辐散场的空间格局，并深刻调控涡动动能的细尺度结构。
• 设计“数据初始化-混合过渡-纯物理精调”三阶段训练策略，搭配自适应损失权重机制，有效解决物理信息神经网络训练梯度不稳定及多解性问题，提升结果稳健性。

引言

大洋表层环流是气候系统的关键组成部分，调控海-气热量与物质交换，承担全球热量、碳、营养盐等示踪物的输运功能。过去数十年间，卫星高度计的普及为上层海洋环流研究提供了核心观测基础，由海面高度反演得到的地转流，已成为海洋动力学分析、气候变化评估与生态系统研究的主流数据。

然而，地转平衡仅考虑科氏力与压强梯度力的平衡，忽略了风应力、非线性平流等过程驱动的非地转运动。尽管非地转分量的整体量级小于地转流，但大量观测与数值模拟证实，其会显著调制环流结构。在西边界流、副热带逆流、南极绕极流等动力活跃区域，非地转运动的动能可与地转动能相当。非地转过程不仅参与涡旋演化、能量串级等动力过程，其驱动的垂向运动还会将深层营养盐输送至真光层，调控海洋初级生产力与碳封存过程。忽略非地转分量，会导致海流估算与漂流浮标观测出现明显偏差，给环流长期演变及能量转化机制研究引入不确定性。

现有海表环流校正方法大多基于定常框架，处理非线性效应主要有两类思路：一类假设涡旋轴对称，将非线性强迫简化为梯度风方程中的离心项；另一类采用摄动展开，用地转流速的变化率近似非线性项。实际应用中多采用迭代方案求解，但这类方法在梯度风方程无解时会出现发散，且收敛阈值多为人为设定，校正后流场的动力学一致性无法得到严格保障。

近年来人工智能技术为海洋数据重构提供了新路径，已有研究结合海面高度、海温、风应力等卫星观测，用机器学习重建全球海表环流。但这类方法大多未将海面环流的控制物理方程完整嵌入学习框架，输出的流场仍存在不可忽视的动力学失衡，表现为动量方程残差偏大。

针对上述问题，研究团队构建了带非地转流校正的物理信息密度神经网络AC-PIDNN，在网络训练中显式施加动量平衡约束，结合卫星高度计资料反演包含非地转分量的海表环流。基于该模型，生成了1993–2023年空间分辨率0.25°的全球逐日海面非地转流数据集，并系统评估了非地转过程对海面环流、辐散场与涡动动能的影响。

数据来源

卫星观测数据

研究使用的卫星产品均来自哥白尼海洋服务，包含逐日绝对动态地形（ADT）格点数据、地转流分量以及海面埃克曼流分量。其中ADT数据由AVISO的SSALTO/DUACS系统处理，整合了多颗测高卫星的观测结果，经过统一的地球物理校正，时空分辨率为逐日、0.25°，同时附带基于地转平衡计算的地转流产品。

海面埃克曼分量取自GLOBCURRENT数据集，该产品基于ERA5风应力场，结合混合层深度计算经验埃克曼流，能够反映埃克曼深度的时空动态变化。产品同样为0.25°规则格点，提供海面与15米深度的流速场，支持小时、日、月多种时间分辨率。

数值模拟参考数据

为补充验证算法性能，研究使用ROMS区域海洋模式开展了高分辨率数值模拟，作为物理一致的参考真值。模拟区域覆盖西北太平洋（5°–32°N，109°–141°E），空间分辨率3 km，可分辨中尺度环流特征。

模式初始场采用北太平洋年平均的世界海洋图集2013温盐数据，开边界给定体积通量驱动大尺度环流，积分过程中不同化任何观测数据。模式共积分25年，取最后5年的结果做30天平均，得到稳定的区域环流场，用于对比传统迭代法与AC-PIDNN的重建精度。

方法原理

海面稳态动量平衡方程

研究假设埃克曼层内的表层海流满足稳态动量平衡，受力包含非线性平流项、压强梯度力、科氏力与风应力相关项。由于地转公式在赤道处存在奇异性，研究在南北纬2°范围内采用半地转近似计算赤道流分量，替代常规地转流。

AC-PIDNN模型架构

提出的非地转流校正物理信息密度神经网络（AC-PIDNN）整体分为输入模块、密度神经网络模块、损失函数模块三部分。

图1 海面环流校正模型（AC-PIDNN）原理示意图
图注：模型包含输入参数、密度神经网络、损失函数模块三部分，采用三阶段训练策略，依次使用数据损失、混合损失、物理损失优化网络参数。

输入模块

模型输入特征包含地转流分量、埃克曼流分量、科氏参数与地理坐标。网络最终输出的总流速，形式上为地转流加上网络学习的校正项。这种残差设计让网络无需从零学习环流整体特征，仅需学习修正量，既保留了地转流的物理信息，也能加快收敛、提升训练稳定性。

密度神经网络模块

网络主体由3个串联的神经网络模块构成，每个模块包含5层全连接层，每层设置100个神经元，模块间引入残差连接。激活函数采用双曲正切函数，参数使用Xavier方案初始化，搭配正则化与dropout抑制过拟合。

损失函数与三阶段训练策略

模型设计了三类损失函数，分别承担不同训练阶段的约束作用：

第一类是数据损失，以地转流与埃克曼流之和作为伪标签，计算预测流速与伪标签的均方误差，用于模型初始拟合。

第二类是物理损失，衡量预测流场在动量方程中的残差，强制输出满足二维动量平衡。

第三类是混合损失，为数据损失与物理损失的加权组合，实现从数据驱动到物理驱动的平滑过渡。其中权重采用自适应机制计算，始终维持数据约束与物理约束的平衡，避免手动调参的主观性。

为保证训练稳定与结果准确，研究采用三阶段训练策略：

1. 第一阶段：数据驱动初始化。仅使用数据损失，让模型快速掌握地转流与埃克曼流的宏观特征，提供物理合理的初值，避免随机初始化导致的多解问题。
2. 第二阶段：混合过渡优化。使用混合损失，逐步引入动量平衡约束，缓冲纯物理约束带来的梯度震荡，引导模型脱离纯数据拟合的局部最优。
3. 第三阶段：纯物理精调。仅使用物理损失，移除数据伪标签约束，依靠网络自动微分计算流速的空间导数，严格最小化动量残差，分离出数据拟合无法捕捉的非线性动力分量。

流场分量分解与平衡诊断

AC-PIDNN输出的总流场可拆解为地转、非线性平流、埃克曼三个动力学分量。为量化流场的动力学自洽程度，定义纬向、经向动量残差与归一化平衡指标，该平衡指标用于衡量动量方程的归一化残差，是保障流场内部物理一致性的核心标准。

动力学诊断量

研究进一步计算三类常用海洋动力学诊断量，评估非地转校正的影响：

• 相对涡度：描述流场的旋转特性。
• 水平辐散：描述流场的辐聚辐散特性。
• 涡动动能（EKE）：描述中尺度扰动的能量强度。

结果与分析

重建流场的动力学一致性

基于AC-PIDNN重建了1993–2023年30年平均的全球海面环流，首先评估其动量平衡特性。

图2 校正后30年平均流场的动量方程平衡分析
图注：(a) 1993–2023年纬向动量方程30年平均残差Bal_x；(b) 经向动量方程30年平均残差Bal_y；(c) 动量残差幅值与压强梯度力的比值Bal；(d) 全球平均Bal的时间演变，阴影区域表示±1倍标准差范围。

结果显示，全球大洋大部分区域的动量残差量级较小，残差偏大的区域主要集中在西边界流延伸体、南大洋等中尺度过程活跃的强流区。整体平衡指标Bal普遍低于5%，说明重建流场在全球范围内都高度满足海面动量平衡。从时间序列看，1993–2023年全球平均Bal稳定在1%–1.5%之间，没有系统性漂移或长期趋势，证明校正方法在30年长时序中都能维持稳定的动力学平衡水平。

现场观测与OSCAR产品对比验证

为验证数据集的实际精度，研究使用热带三大洋的锚系浮标阵列（太平洋TAO、大西洋PIRATA、印度洋RAMA，共计54个站点）做独立验证，并与主流的OSCAR海流产品做对比。

图3 锚系观测站点分布与均方根误差对比
图注：(a) 太平洋、大西洋、印度洋锚系站点的空间分布；(b-d) 分别为三大洋区域，AC-PIDNN校正总流、埃克曼校正流、地转流、OSCAR产品相对锚系观测的平均均方根误差对比。

统计结果显示，在三大洋区域，AC-PIDNN校正后的海流均更贴近现场观测：

• 太平洋：RMSE低于埃克曼校正、地转流及OSCAR产品，相对OSCAR误差降低约15.8%。
• 印度洋：RMSE优于埃克曼校正与地转流，相对OSCAR误差降低23.1%。
• 大西洋：RMSE低于埃克曼校正与地转流，相对OSCAR误差降低11.8%。

在南北纬25°范围内，AC-PIDNN的表现始终优于OSCAR产品。误差高值集中在赤道±5°范围内，向中低纬度逐渐降低。研究同时指出，由于现有锚系阵列主要覆盖热带区域，高纬度海区的性能仍需更多现场数据进一步验证。

ROMS高分辨率模拟对比验证

为在受控条件下评估算法精度，以ROMS高分辨率模拟为参考，仅输入模拟的海面高度，对比传统迭代法与AC-PIDNN的重建效果。

图5 西北太平洋区域迭代法与AC-PIDNN基于海面高度异常的校正流场对比
图注：第一列为ROMS模拟结果；第二列为迭代法校正结果；第三列为AC-PIDNN重建结果。

传统迭代法能够还原流场的大致结构，但在强流区与涡旋活跃区的幅值偏差明显。AC-PIDNN则能更准确地复现西边界流的路径、强度以及周边中尺度特征，各流速分量的RMSE均显著降低，精度较迭代法提升近一个数量级。

环流各分量的空间分布特征

将1993–2023年平均的总环流拆解为非线性平流、埃克曼、地转三个分量，分别分析其空间特征。

图6 1993–2023年AC-PIDNN模型得到的海面环流校正结果
图注：(a-c) 非线性平流分量；(d-f) 埃克曼校正分量；(g-i) 地转分量；(j-l) 总环流。

• 非线性平流分量：整体量级较小，高值仅分布在赤道带、西边界流系统与南大洋等动力活跃区，开阔大洋大部分区域信号微弱，主要起局地调制作用。
• 埃克曼分量：受大尺度风场控制，呈现清晰的纬度带状分布特征，低中纬度典型量级较高，向高纬度逐渐减弱。
• 地转分量：决定了大洋环流的大尺度格局，西边界流、南极绕极流等强流系统信号突出，副热带涡旋内部流速较弱。

总流场的整体结构与地转流相近，但在赤道、南大洋的纬向流以及相邻区域的经向输运上，存在系统性的幅值与空间细节修正，体现了埃克曼与非线性过程的叠加影响。

非地转过程对动力学诊断量的影响

相对涡度

地转分量主导了相对涡度场的大尺度结构。埃克曼流贡献的涡度整体弱于地转涡度，但在热带、副热带风场稳定的区域有明显区域特征。非线性平流产生的涡度量级比地转、埃克曼分量小约两个数量级，仅在黑潮延伸体、湾流分离区等强剪切流区，对涡度变率、能量串级与亚中尺度涡过程起到不可忽略的调制作用。

水平辐散

与涡度场不同，地转流在连续层近似下表层水平辐散可忽略。非线性平流分量主导了辐散场的大尺度空间格局，在强流区与涡旋活跃区形成显著的辐散/辐合带。埃克曼分量的辐散由风应力旋度驱动的埃克曼泵吸产生，局部强度弱于平流项，但空间符号更连贯，对区域与全球的净辐散效应贡献显著，是副热带环流等大尺度垂向环流的关键驱动因子。

涡动动能

校正后的总涡动动能高值区集中在西边界流延伸体、南极绕极流核心区、赤道流系等动力活跃区域。加入埃克曼与非线性分量后，总涡动动能并未出现虚假放大，而是以物理合理的方式重新分配空间分布：风场显著的赤道与副热带区域，埃克曼分量更真实地反映了风变率产生的扰动能量；强流边缘与锋面区，非线性平流过程主导EKE的细尺度结构。整体而言，校正保留了表层环流的能量框架，同时提升了EKE对中尺度过程的表征能力。

图7 30年平均全球海面动力学参数特征
图注：(a-d) 依次为平流分量、埃克曼校正分量、地转分量、总场的相对涡度；(e-h) 依次为平流分量、埃克曼校正分量、地转分量、总场的水平辐散；(i-l) 依次为平流分量、埃克曼校正分量、地转分量、总场的涡动动能。

长时间序列演变特征

进一步分析了全球、黑潮区域、赤道流区三个尺度下，诊断量1993–2023年的年际演变。

图8 1993–2023年全球大洋、黑潮区域、赤道流区海面辐散、涡度与涡动动能的年平均变化
图注：(a-c) 全球平均；(d-f) 黑潮区域；(g-i) 赤道流区；曲线周围阴影表示±1倍标准差范围。

全球尺度上，总辐散的年际变率主要由埃克曼分量主导，非线性分量也有显著贡献；总涡度由地转与埃克曼分量共同决定；总EKE的趋势与地转EKE一致，同时受非线性过程明显调制。区域尺度上，黑潮区域的辐散变化跟随非线性分量，2017年之后EKE呈上升趋势；赤道流区总涡度主要由埃克曼分量贡献，EKE变化与地转分量高度吻合。

数据集与代码获取

AC-PIDNN模型代码可访问：https://doi.org/10.5281/zenodo.23901902

1993–2023年全球海面非地转流数据集可访问：https://doi.org/10.5281/zenodo.19966716

总结

研究基于物理信息深度学习框架AC-PIDNN，将海面动量平衡方程直接嵌入神经网络训练过程，生成了一套动力学高度自洽的全球逐日海面环流数据集，时间覆盖1993–2023年，空间分辨率0.25°。

结果表明，地转流决定了大洋表层环流的大尺度格局，埃克曼与非线性平流分量量级相当，共同构成非地转修正。非线性平流虽然对相对涡度的整体贡献微弱，但深刻影响海面辐散的空间分布与涡动动能的细尺度结构，是表层环流不可缺少的组成部分。忽略非地转过程会限制对海表输运、涡旋能量过程的准确认知，这套数据集可为海洋涡旋研究、物质输运模拟、海气相互作用分析提供可靠的数据支撑。

推荐文献
Cui, G., Yuen, K.-V., Chen, Y., Liu, Z., Yang, D., Liu, G., and Cai, Z.: Daily global sea surface ageostrophic current dataset from 1993–2023 via physics-informed deep learning, Earth Syst. Sci. Data, 18, 8149–8165, 2026.