近日，上海海洋大学海洋生物资源与管理学院陈新军教授团队研究成果“A global daily mesoscale front dataset from satellite observations: In situ validation and cross-dataset comparison”被地学领域知名期刊《Earth System Science Data》（影响因子11.2，地球科学1区）正式接收。该研究将前期研发的锋面识别算法拓展应用于全球海域，结合全球范围内走航观测数据，对该算法及多种海表温度产品进行了系统的验证与比较分析，构建了首个全球高分辨率中尺度锋面数据集（https://doi.org/10.5281/zenodo.14373832）。该数据集自今年1月在全球公开发布以来，累计下载量已超过5.0 TB。

海洋锋面是位于全球上层海洋中的离散、普遍存在的海洋学特征，可以被认为是狭窄的三维边界，在相对较短的水平距离内，某些特性（如温度、盐度或叶绿素浓度等）会发生显著变化（图1）。锋面处的次级环流、辐聚效应及强混合等动力过程显著影响着海洋中的物质、能量输运与生态过程。海洋锋面在海洋动力过程、渔场学、海洋生态学等方面发挥关键作用，对渔业资源评估、渔场预测、污染物分布监测及海洋军事等方面具有重要应用价值。

锋面识别算法能够基于卫星观测的海表环境信息自动提取锋面信息，是目前获取和监测区域及全球锋面活动的主要手段。然而，其识别结果的可靠性是多学科研究应用的基础，易受算法性能与卫星数据质量等因素影响。长期以来，缺乏系统的原位观测对其准确性进行验证评估，限制了识别算法在多学科领域的广泛应用。此外，当前常用的多种海表数据产品（如单卫星、多卫星融合和再分析数据）在锋面识别结果上存在显著差异，亟需系统评估以为相关研究提供指引。

团队通过此前改进的直方图锋面识别算法，有效克服了传统方法在近海锋面识别、锋面连续性及重复识别等方面的局限性（Xing et al., 2023b），并系统评估了持续性锋面的长期变化规律（Xing et al., 2024）。该研究在此基础上进一步优化算法以适用于全球海域，并利用全球走航观测的原位温度数据，对不同SST产品的锋面识别结果进行了系统验证与比较。研究发现，ESA多卫星融合产品的识别效果最佳（图2），其提取的锋面与走航观测结果高度匹配，且验证指标在时间和空间上具有良好的一致性；REMSS多卫星融合产品和GLORYS模型再分析数据次之，而MODIS单卫星产品和HadGEM3气候模式的识别效果较差。此外，走航观测所得的全球锋面发生频率与卫星识别结果具有很强的空间一致性（图3）。这些结果首次通过原位观测系统验证了锋面识别算法的性能，显著提升了卫星遥感锋面识别技术在多学科研究中的应用信心与前景。构建的开源数据集与算法为海洋动力学、海洋渔业、海洋生态、生物地球化学循环及气候变化研究提供了重要支撑，同时也为海洋AI模型的训练提供了数据基础。

该成果由上海海洋大学陈新军教授课题组联合山东大学于海庆副教授团队共同完成。本文第一作者为上海海洋大学博士后邢勤旺，通讯作者为陈新军教授、余为教授及山东大学于海庆副教授。该研究得到了上海市启明星项目（扬帆专项）、中国博士后科学基金会和山东省自然科学基金等项目的资助。近年来，研究团队在锋面识别及其渔业效应领域取得了系列研究成果，相关文章链接如下：

https://doi.org/10.5194/essd-2024-592

https://doi.org/10.1038/s41467-024-48566-w

https://doi.org/10.1016/j.rse.2023.113627

https://doi.org/10.1016/j.pocean.2023.103072

      https://doi.org/10.1016/j.pocean.2022.102743

图1 锋面动力过程及其生态效应示意图（引自Xing et al., 2023a）

图2 不同SST数据产品的锋面识别结果比较

图3全球锋面的发生频率（1982-2023）