Havet dækker cirka 71 % af Jordens overflade. Fra forudsigelser af tyfoners bane og udvikling af havrancher til sikring af sikker maritim navigation og afbødning af havkatastrofer – og endda forskning i global klimaforandringer – er stort set al moderne havvidenskabelig forskning afhængig af én kritisk ressource: havdata.

For dem, der lige er begyndt at arbejde inden for det marine felt, er den sande udfordring ofte ikke "mangel på data", men snarere en "overflod af data". I virkeligheden eksisterer havdata ikke isoleret; i stedet har de udviklet sig til et omfattende økosystem, der omfatter "observation - fjernmåling - modellering - assimilation - intelligent analyse".

Hvorfor bliver marinvidenskab i stigende grad afhængig af data?

Tidligere var menneskeheden primært afhængig af forskningsfartøjer,bøjestationerog manuelle observationer for at forstå havet. Selvom denne tilgang tilbød høj præcision, led den af ​​begrænset geografisk dækning og lange observationscyklusser.

I dag, med fremskridt inden for satellitbaseret fjernmåling, automatiserede observationsplatforme, Argo-floats, numeriske modeller og dataassimileringsteknologier, er havobservation gået ind i en sand "Big Data"-æra. Dens definerende karakteristika kan opsummeres som: massiv skala, omfattende dækning, høj hastighed og flerdimensionel rigdom.

• Datamængden er skaleret op fra gigabyte (GB) til petabyte (PB) niveau.
• Det tidsmæssige omfang er udvidet fra blot årtier til at spænde over et århundrede.
• Den rumlige dækning omfatter nu hele det globale hav.
• Observerede parametre spænder over flere dimensioner, herunder havoverfladetemperatur, saltindhold, havstrømme,bølger, vindfelter, klorofylkoncentrationer, havis og mere.

Samtidig fortsætter dataopløsningen med at forbedres – hvor globale havmodeller historisk set havde en fælles opløsning på 1°, bevæger de sig nu mod en opløsning på 1/12° eller endda på subkilometerniveau. Vores evne til at studere havstrukturer i fin skala – såsom hvirvler i mesoskala, kystfronter og interne bølger – har nået et niveau, der langt ud over, hvad der tidligere var muligt.

På en måde er moderne havvidenskab i øjeblikket ved at skifte fra et "empirisk drevet" paradigme til et "datadrevet" paradigme.

Hvor kommer havdata primært fra?

Det globale økosystem for havdata består samlet set af internationale havorganisationer, meteorologiske centre, satellitsystemer og nationale observationsnetværk over hele kloden.

• NOAA (USA): En af verdens vigtigste kilder til havdata, der leverer en række gratis, åbent tilgængelige og langsigtede historiske dataprodukter – herunder NCEP/NCAR Reanalysis, ICOADS observationsregistreringer, AVHRR-data om havoverfladetemperatur og det globale prognosesystem GFS.
• Europa (ECMWF & ESA): ECMWF's ERA5-genanalysedata er blevet den mest kritiske kilde til atmosfæriske påvirkningsdata til forskning i luft-hav-interaktion; ESA's Sentinel-satellitserie demonstrerer betydelige fordele inden for SAR-fjernmåling, højpræcisionsobservation af havoverfladen og overvågning af havis.
• Asien (JMA): COBE-SST-data fra Japans meteorologiske agentur (JMA) anvendes i vid udstrækning i forskning vedrørende det nordvestlige Stillehav, ENSO og det østasiatiske klima.

Hvilke typer havdata findes der?

Moderne havdata er primært kategoriseret i fire hovedtyper:batymetriske data, fjernmålingsdata, in situ observationsdata og reanalysedata.

Batymetriske data for havbunden

Dette udgør fundamentet for al oceanografisk forskning. Hvis man skulle sammenligne numerisk modellering af havet med "at opføre en bygning", ville batymetri - havbundens dybde og topografi - tjene som "fundamentet". De mest klassiske globale batymetriske datasæt omfatter ETOPO og GEBCO; sidstnævnte er blevet det internationalt anerkendte standardbasiskort for havbundstopografi.

Satellit-fjernmålingsdata

Dette fungerer som den "hovedkraft" i moderne havobservation. Dens vigtigste fordele ligger i dens omfattende rumlige dækning, hurtige opdateringsfrekvens og kapacitet til samtidig global observation.

• Havoverfladetemperatur (SST): Datasæt som MODIS, AVHRR og OISST anvendes i vid udstrækning i forskning, der involverer ENSO, marine hedebølger, Kuroshio-strømmen og fiskeriprognoser.
• Vindfelter på havets overflade: Disse data, der primært stammer fra scatterometersatellitter (f.eks. ASCAT, SeaWinds og Kinas HY-2-serie), er afgørende for studier af tyfoner, vindgenererede bølger og interaktioner mellem luft og hav.
• Havoverfladehøjde (SSH): Højdemålersatellitter – såsom TOPEX/Poseidon, Jason og HY-2A – overvåger variationer i havniveau, hvirvler i mesoskala og Kuroshio-strømmens bane.
• Syntetisk blænderadar (SAR): SAR er kendetegnet ved evner til at registrere havoverfladen i al slags vejr, hele dagen og med høj opløsning, og den kan indsamle information om havet selv om natten eller under skydække. Den anvendes i vid udstrækning til overvågning af havis, olieudslip, indre bølger, havbølger og maritime fartøjer.

In-situ observationsdata

Selvom den geografiske dækning er begrænset sammenlignet med fjernmåling, tilbyder disse data det højeste niveau af nøjagtighed og fungerer som et vigtigt benchmark for al oceanografisk forskning.

• Argo-bøjer: Disse flåd fungerer som "automatiserede CTD'er", der driver rundt i det globale hav. De stiger og stiger periodisk for automatisk at måle temperatur, saltindhold og tryk og transmittere dataene tilbage i realtid. De tusindvis af Argo-flåd, der i øjeblikket er udstationeret verden over, udgør tilsammen det største havobservationsnetværk i menneskets historie.
• CTD-observationer: Disse forbliver "standardudstyret" i oceanografiske undersøgelser og giver højpræcisionsprofiler af temperatur og saltindhold.

Hvor går fremtiden for havdata hen?

Den fremtidige udvikling af havdata er klar og beslutsom:

• Højere opløsning: Går fra kilometerskala til hundrede meterskala.
• Forbedrede realtidsfunktioner: Gradvis etablering af et omfattende "realtids-ocean"-system.
• Multikildefusion: Integrering af satellitter, bøjer, numeriske modeller, ubemandede platforme og kunstig intelligens for at fungere i fællesskab.
• Intelligentisering: Kunstig intelligens er blevet dybt forankret i havvidenskab – og omfatter AI-drevet havprognoser, rekonstruktion af manglende data, hvirveldetektion, fjernmåling og meget mere.

Havvidenskab går ind i en helt ny æra:

| Big Data fra havet + kunstig intelligens = Kernemotoren i fremtidens havforskning

Vi tror fuldt og fast på, at datas sande værdi ligger i deres effektive indsamling, dybdegående fortolkning og intelligente anvendelse.

Ser frem til at kommunikere med dig for en dybere samtale.