Havet täcker ungefär 71 % av jordens yta. Från prognoser för tyfoners bana och utveckling av marina rancher till att säkerställa säker sjöfart och mildra marina katastrofer – och till och med global klimatförändringsforskning – förlitar sig praktiskt taget all modern marinvetenskaplig forskning på en kritisk resurs: havsdata.

För de som precis har börjat arbeta inom den marina sektorn är den verkliga utmaningen ofta inte ”brist på data”, utan snarare ett ”överflöd av data”. I verkligheten existerar inte havsdata isolerat; istället har de utvecklats till ett omfattande ekosystem som omfattar ”observation – fjärranalys – modellering – assimilering – intelligent analys”.

Varför blir marinvetenskap alltmer beroende av data?

Förr i tiden förlitade sig mänskligheten främst på forskningsfartyg,bojstationer, och manuella observationer för att förstå havet. Även om denna metod erbjöd hög precision, led den av begränsad rumslig täckning och långa observationscykler.

Idag, med framsteg inom satellitbaserad fjärranalys, automatiserade observationsplattformar, Argo-floatboats, numeriska modeller och dataassimileringstekniker, har havsobservation gått in i en sann "Big Data"-era. Dess definierande egenskaper kan sammanfattas som: massiv skala, omfattande täckning, hög hastighet och flerdimensionell rikedom.

• Datavolymen har skalats upp från gigabyte (GB) till petabyte (PB) nivå.
• Det tidsmässiga omfånget har utvidgats från bara decennier till att sträcka sig över mer än ett sekel.
• Den geografiska täckningen omfattar nu hela det globala havet.
• Observerade parametrar spänner över flera dimensioner, inklusive havsytemperatur, salthalt, havsströmmar,vågor, vindfält, klorofyllkoncentrationer, havsis och mer.

Samtidigt fortsätter dataupplösningen att förbättras – medan globala havsmodeller historiskt sett hade en gemensam upplösning på 1°, går de nu mot en upplösning på 1/12°, eller till och med subkilometerskalor. Vår förmåga att studera havsstrukturer i fin skala – såsom mesoskaliga virvlar, kustfronter och interna vågor – har nått en nivå som långt bortom vad som tidigare var möjligt.

På sätt och vis övergår modern marinvetenskap för närvarande från ett "empiriskt drivet" paradigm till ett "datadrivet" paradigm.

Var kommer havsdata huvudsakligen ifrån?

Det globala ekosystemet för havsdata består gemensamt av internationella marina organisationer, meteorologiska centra, satellitsystem och nationella observationsnätverk över hela världen.

• NOAA (USA): En av världens viktigaste källor till havsdata, som tillhandahåller en uppsättning kostnadsfria, öppna och långsiktiga historiska dataprodukter – inklusive NCEP/NCAR Reanalysis, ICOADS observationsregister, AVHRR-data om havsytemperatur och det globala prognossystemet GFS.
• Europa (ECMWF och ESA): ECMWF:s ERA5-analysdata har blivit den viktigaste källan till atmosfäriska påtryckningsdata för forskning om luft-hav-interaktion; ESA:s Sentinel-satellitserie visar betydande fördelar inom SAR-fjärranalys, högprecisionsobservation av havsytan och övervakning av havsis.
• Asien (JMA): COBE-SST-data från Japans meteorologiska byrå (JMA) används i stor utsträckning i forskning om nordvästra Stilla havet, ENSO och östasiens klimat.

Vilka typer av havsdata finns det?

Modern havsdata delas huvudsakligen in i fyra huvudtyper:batymetriska data, fjärranalysdata, observationsdata på plats och reanalysdata.

Batymetriska data för havsbotten

Detta utgör grunden för all oceanografisk forskning. Om man skulle likna numerisk modellering av havet vid att ”bygga en byggnad”, skulle batymetri – havsbottens djup och topografi – fungera som ”grunden”. De mest klassiska globala batymetriska datamängderna inkluderar ETOPO och GEBCO; den senare har blivit den internationellt erkända standardbaskartan för havsbottentopografi.

Satellitbaserad fjärranalysdata

Detta fungerar som den "huvudsakliga kraften" inom modern havsobservation. Dess viktigaste fördelar ligger i dess omfattande rumsliga täckning, snabba uppdateringsfrekvens och kapacitet för samtidig global observation.

• Havsytemperatur (SST): Dataset som MODIS, AVHRR och OISST används i stor utsträckning inom forskning som involverar ENSO, marina värmeböljor, Kuroshioströmmen och fiskeriprognoser.
• Vindfält vid havets yta: Dessa data, som huvudsakligen härrör från scatterometersatelliter (t.ex. ASCAT, SeaWinds och Kinas HY-2-serie), är avgörande för studier av tyfoner, vindgenererade vågor och interaktioner mellan luft och hav.
• Havsythöjd (SSH): Höjdmätarsatelliter – som TOPEX/Poseidon, Jason och HY-2A – övervakar variationer i havsnivå, virvelströmmar i mesoskala och Kuroshioströmmens bana.
• Syntetisk bländarradar (SAR): SAR kännetecknas av väderleks-, dygnet-runt- och högupplösta funktioner och kan samla in information om havsytan även på natten eller under molntäcke. Den används ofta för övervakning av havsis, oljeutsläpp, inre vågor, havsvågor och sjöfart.

In-situ observationsdata

Även om den geografiska täckningen är begränsad jämfört med fjärranalys, erbjuder dessa data den högsta noggrannhetsnivån och fungerar som ett viktigt riktmärke för all oceanografisk forskning.

• Argo-bojar: Dessa flottörer fungerar som "automatiserade CTD:er" som driver runt i världshaven. De sjunker och stiger regelbundet för att automatiskt mäta temperatur, salthalt och tryck och överföra data tillbaka i realtid. De tusentals Argo-flottörer som för närvarande är utplacerade över hela världen utgör tillsammans det största havsobservationsnätverket i mänsklighetens historia.
• CTD-observationer: Dessa är fortfarande "standardutrustningen" i oceanografiska undersökningar och ger högprecisionsprofiler av temperatur och salthalt.

Vart är framtiden för havsdata på väg?

Den framtida utvecklingen av havsdata är tydlig och beslutsam:

• Högre upplösning: Gå från kilometerskala till hundrameterskala.
• Förbättrade realtidsfunktioner: Gradvis etablering av ett omfattande system för "realtidshav".
• Multikällafusion: Integrering av satelliter, bojar, numeriska modeller, obemannade plattformar och AI för att fungera tillsammans.
• Intelligensisering: Artificiell intelligens har blivit djupt inbäddad i marinvetenskapen – och omfattar AI-driven havsprognoser, rekonstruktion av saknad data, virveldetektering, fjärranalys och mer.

Marinvetenskapen går in i en helt ny era:

| Ocean Big Data + Artificiell intelligens = Kärnmotorn för framtida havsforskning

Vi är övertygade om att datas verkliga värde ligger i dess effektiva insamling, djupgående tolkning och intelligenta tillämpning.

Ser fram emot att kontakta dig för ett djupare samtal.