2020年，山东大学海洋研究院副教授于海庆团队在科研过程中遇到了一个“异常现象”——在西北太平洋，秋刀鱼渔场的分布竟与观测及理论上应当存在的锋面位置几乎没有任何统计学上的对应关系。这一现象打破了地理课本上“锋面是优质渔场”的经典认知，也令团队陷入深深的困惑。

　　5年后，于海庆及其合作团队研发了一种被国内外学者普遍认可的海洋锋面识别算法，并发布了首个全球尺度高精度的中尺度锋面数据集。成果日前发表于地学领域知名期刊《地南宫智能科技球系统科学数据》。

　　而论文的同行评审阶段，该领域两位国际权威专家便主动来信祝贺，表达了强烈的合作兴趣。

　　这组数据也在发布后迅速引起国际关注，相关论文被广泛接收，数据集也在杂志上公开发布。迄今，数据下载量已超过20TB。

　　海洋就像是一张巨大的呼吸网，海水在表层与深层之间流动、交换着能量与养分。这种交换并非均匀进行，而是会在一些特殊的“线”上格外剧烈。这些“线”就是科学家们所说的“海洋锋面”——它们像是海洋的“天气系统”，是两团性状迥异的海水——比如冷暖不同、盐度有别——在海中相遇、碰撞、缠绕之处。

　　锋面不仅是海洋动力过程的重要标志，也是生物聚集的“热带雨林”，上下层的营养盐、热量等在这里迅速交换，使得锋面区域往往是鱼类丰度较高的渔场。

　　对于从事渔业海洋学研究的科学家来说，准确识别海洋锋面，就像天气预报员识别锋线，既是基本功，也是一项极具挑战的任务——锋面位置一旦识别不准，整个渔场预测模型就可能“跑偏”。

　　于海庆没想到的是，传统方法在西北太平洋秋刀鱼渔场预测中“失灵”——模型反复调试后却始终不理想，甚至显示出锋面指标在预测中“无显著贡献”。

　　“这不仅让我们困惑，也唤起了我们科研人员那种对异常现象反射般的警觉。”于海庆对《中国科学报》说。

　　最初，他们以为是数据有误，反复检查之后才意识到问题可能更深——模型本身，或者说通常对“有用锋面”的理解，出了错。

　　带着疑问，于海庆团队对水温梯度场进行了系统检查。传统算法利用高分辨率卫星数据，识别出了海量空间尺度小、变化快的亚中尺度锋面，而中尺度锋面的信号被淹没在这些亚中尺度锋面信息中。从视觉分析的结果来看，这些持续时间较短的亚中尺度锋面似乎对秋刀鱼渔场分布的影响十分有限。

　　“这促使我们产生了一个关键猜想：或许只有那些空间范围广、持续时间长的中尺度锋面，才对渔场分布具有重要影响——那些被传统方法大量捕捉的亚中尺度锋面，反而成了干扰预测的‘噪音’。”于海庆说。

　　经过系统调研，研究团队的这一猜想在生态学家西蒙莱文的“尺度效应”假说中找到了理论支撑：生态过程只在特定时空尺度上显著响应。“这意味着，驱动秋刀鱼聚集的关键锋面信号，可能被淹没在亚中尺度的‘汪洋’里。”于海庆的博士生、第一作者邢勤旺解释道。

　　但现实远比设想复杂。传统锋面识别方法主要分为两类，即基于梯度的方法和基于直方图的方法。然而，前者对阈值过于敏感，易漏检锋面；后者则在近岸区域也因数据缺失而频发漏检，且普遍存在锋面断裂、重复识别的问题，难以满足研究需求。

　　为解决这些问题，于海庆团队开始了算法“攻坚”：他们引入了一种名为“反距离加权”的插值方法修复缺测数据，又设计出“窗口融合机制”综合不同窗口图像，还开发了“锋面剪枝”算法，用以排除重复检测、断裂片段等非物理结构。

　　“技术听上去复杂，但我们的目标其实很朴素，”于海庆坦言，“就是让计算机识别的中尺度锋面，看起来也能‘像回事’，接近研究人员肉眼从图像中判读出的合理边界。”

　　“你的算法很漂亮，这我们承认，但你如何证明它更接近真实？”一位审稿专家的质疑切中要害。在遥感领域，缺乏“现场真值”始终是制约算法发展的瓶颈问题，也是多年来锋面识别技术难以广泛应用的症结。

　　转机出现在对美国国家海洋和大气管理局历史数据库的检索中。他们发布了一批从未被用于锋面验证的“走航观测数据”——这是船只在特定海域沿航线行驶时，实时采集的温度、盐度等海表观测信息。由于其精度高、时空连续性强，完全可以用作“锋面真值”的参照标准。

　　经过数据清洗和匹配，团队构建出全球首个基于海量走航数据的“现场真值”锋面数据集，并与新算法的识别结果进行了系统比对。验证结果令人振奋：在多个典型海区，尤其是锋面复杂的近岸海域、西边界流海域，新算法识别结果在位置、时间、空间分布上都与“真值”高度吻合，远优于传统方法。

　　正如于海庆所言：“科研之路常如洋流般蜿蜒前行——初始的‘偏离’可能正指向更重要的科学发现。”

　　遥感算法的突破只是开端。真正将成果“落地”，是要让数据服务于更广泛的科学研究。

　　在重新研发锋面识别算法后，于海庆团队着手开展一项艰难而系统的工程：构建一个全球尺度、长时间序列的中尺度海洋锋面数据集。

　　不同于以往研究中“取一帧图像、提一次数据”的做法，这一次，他们希望把算法系统化、产品化，生成一套可以反复使用、稳定更新的科研级数据资源。这一数据集从1982年开始，覆盖至今，几乎囊括了全球中低纬度主要海区的锋面信息。更重要的是，这套数据集经过了走航观测的独立验证，具备了“科研级”的精度与稳定性。

　　“我们希望提供的，不只是图像或动画，而是可以直接作为变量输入模型、用于定量分析的高可信度数据。”于海庆对南宫智能科技记者指出，这意味着数据必须满足三个条件：空间上连续、时间上完整、逻辑上统一。

　　邢勤旺进一步阐释说，在数据构建过程中，团队有意识地剔除了那些短时闪现、生态渔业效应不显著的亚中尺度信号，只保留在时间与空间上都具有生态一致性的“显效锋面”，这一策略使得数据集具备了良好的生态代表性，也降低了分析中的“虚假因果”风险。

　　这一转变，体现在从“可视化”走向“量化”。过去，很多海洋生态研究仍停留在用卫星图像“看一看锋面在哪”，而这套数据则可以直接输入模型，作为定量因子的控制变量、解释变量或因果因素，推动生态响应机制的精确研究。

　　更重要的是，它打破了学界长期以来的瓶颈。长期以来，全球中尺度锋面识别缺乏标准，也难以比较，科研论文多为“各说各话”。这个数据集的建立，不仅统一了识别逻辑，也为全球尺度气候变率分析、生态系统响应研究、渔业资源评估、乃至海洋污染物及海洋声场预测等提供了统一的底层资料支撑。

　　“我们的数据集为海洋锋面的智能识别和预测研究提供了关键的验证数据集，这是一个重要的进步。”团队成员、博士生吕婷正从事人工智能海洋学研究，她的话语中充满了自信。

　　成果发布当天，实验室显得格外安静——有人在反复刷新数据下载界面，也有人在反复确认每一张图像的质量。

　　“其实还是兴奋中带着谨慎。”于海庆笑着说，“这像是我们登山时突然看到了一个新的高原，那并不是终点，但提示我们方向是对的。”

　　如今，这些“漂浮在卫星图像中的线”，终于变成可以落在科研模型中的数据，也成为链接海洋、气候与生态世界的可靠桥梁。

　　锋面数据集一经上线，便在海洋学界引发了广泛关注。短短数月内，于海庆团队便陆续收到了来自全球多个科研机构的来信，涵盖物理海洋、生态、生物地球化学乃至渔业科学等多个方向。南佛罗里达大学、马里兰大学、葡萄牙波尔图大学等海洋学强校的研究者纷纷表示合作意愿，有的更希望基于该数据集，进行跨学科的合作研究。

　　“这让我们真切感受到这项成果的共通价值——它既是一个科研工具，也是一种学科语言。”于海庆说。

　　最让于海庆难忘的，是在锋面识别方法论文的同行评审阶段，该领域两位国际权威专家、曾先后开发了过去20年最常用的锋面识别算法的科学家Peter Cornillon教授与Igor Belkin教授在论文尚未正式接收时便主动来信祝贺，Peter Cornillon更是表达了强烈的合作兴趣。

　　“那两封邮件，我们整个团队都看了好几遍。”回忆起这一情景，邢勤旺语气中仍有难掩的兴奋。

　　“我们收到的反馈主要集中在三个方面。”于海庆表示，“一是应用咨询非常活跃，二是算法验证需求增多，三是区域特色数据的呼声显著。”他解释，尽管这套数据集已具备全球覆盖能力，但用户仍希望在南海、北太平洋等重点海域获取更高精度、更丰富变量支持的产品。这些反馈促使团队意识到，下一阶段应加强数据使用支持，开发典型应用案例，并建立定期更新与用户共建机制。

　　这种高可信、高分辨率的锋面数据，对于多个领域都有潜在的深远意义。在渔业科学中，它可用于检验锋面是否确实是“优质渔场”的环境基准，有助于提升渔场预测模型的准确性，并最终为海洋资源的可持续利用提供量化支持。在生态系统研究方面，中尺度锋面作为“边界动力结构”能够驱动水体交换、营养盐输运及浮游植物响应，为理解ENSO、PDO等气候事件下的生态系统变异提供抓手。更重要的是，该数据集为全球科学界提供了一个统一、可信、可复用的基础平台，有望成为遥感算法和生态模型协同发展的“锚点”。

　　“它更像是一个刚被发现的生态高原。”于海庆说，“登上去以后才知道，真正的科学挑战才刚刚开始。”

　　从一次科研路上的“意外”，到全球首个系统化中尺度锋面数据集的诞生，于海庆团队不只是重新勾勒“海洋的边界线”，更在赋予人类一双全新的“眼睛”，以更高分辨率捕捉自然的律动。在他们眼中，那些藏在波涛之下的边界，才是海洋最深的语言。

　　版权声明：凡本网注明“来源：中国科学报、科学网、科学新闻杂志”的所有作品，网站转载，请在正文上方注明来源和作者，且不得对内容作实质性改动；微信公众号、头条号等新媒体平台，转载请联系授权。邮箱：。

　　Accounts of Materials Research《材料研究述评》2025年7月刊总览