苏奋振等刊文！AlphaOcean：构建数字海洋孪生的物理信息表示学习框架

论文信息

发表期刊:The Innovation Informatics
主要作者:Fengqin Yan，苏奋振等
第一单位:中国科学院地理科学与资源研究所
原文标题:Physics-informed representation learning for a digital-ocean twin: The AlphaOcean framework
原文链接:https://doi.org/10.59717/j.xinn-inform.2026.100031

从数据碎片化到智能融合

海洋是地球系统的关键组成部分，调节气候、维持生态系统，并支撑全球粮食、交通和能源系统。然而，尽管海洋数据量巨大，其高度碎片化、分辨率与不确定性异质、时空采样不均等特征，使得海洋科学长期依赖特定任务的分析和以变量为中心的模型。这些方法难以跨区域和尺度泛化，限制了海量海洋数据向可迁移知识或持久数字孪生表征的转化。

近期地球基础模型的进展表明，统一的表示学习通过紧凑的自监督语义嵌入整合复杂地理空间数据具有巨大潜力。但直接将陆地基础模型扩展到海洋面临根本性制约：海洋的三维结构、稀疏的内部观测、强多尺度物理-生物地球化学耦合，以及语义标签的稀缺。现有海洋分析框架进一步加剧了物理数值模型与数据驱动学习方法之间的分离，导致知识碎片化和表征可重用性有限。

针对这一瓶颈，近日在The Innovation Informatics 发表的一篇评述文章，提出AlphaOcean——一个面向数字海洋智能的基础框架，旨在从异质观测中学习共享的 operational 多模态海洋状态表示。

数字海洋智能的基础性挑战

实现数字海洋智能的主要障碍并非缺乏数据、模型或应用，而是缺少能够将多样化能力整合为连贯持久系统的表示层。现代海洋科学已涵盖广泛的观测平台、数值模型、分析工具和应用特定工作流，但这些组件很大程度上孤立运行，产出难以跨尺度、变量和情境比较、重用或整合的结果。构建数字海洋智能需要直面以下基础性挑战：

观测碎片化与数据不兼容性。海洋数据涵盖卫星衍生表面测量、稀疏现场剖面、自主平台轨迹和模式生成场，各自具有不同的空间覆盖、时间采样、不确定性结构和观测偏差。数字孪生海洋需要能够联合编码表面和次表层信息，同时显式考虑缺失数据和不确定性的表示。

过程耦合与跨尺度物理一致性。海洋由紧密耦合的物理、生物地球化学和生态过程控制，这些过程在广泛时空尺度上运行。数字海洋智能无法仅从表面观测实现，因为表面信号通常是次表层动力学、平流输送和垂向交换的间接表现。数值海洋模式通过显式物理表述和数据同化解决这一耦合，但其输出难以直接作为多样化应用的可重用语义表示。

语义不连贯与海洋知识可重用性有限。数字海洋智能的定义性特征是在不同情境下比较、检索和推理海洋状态与过程的能力。当前海洋知识主要编码在特定任务输出中，缺乏共享语义结构，难以识别海洋区域间的相似性、追踪可比较现象的时间演化，或将知识从数据丰富环境迁移至数据贫乏环境。

时空整合与系统级连贯性。数字海洋智能需要随空间和时间连贯演化的表示，而非静态快照或仅表面抽象。海洋过程本质上是动态的，由平流、扩散、混合以及连接遥远区域、延长效应持续时间的偶发风暴、大气和地球物理事件塑造。

AlphaOcean框架：四大发展路径

图1. 面向数字海洋智能的AlphaOcean基础框架。

AlphaOcean框架提出四条互补的设计路径，构建能够整合异质观测、尊重物理约束、随空间时间连贯演化的持久语义和动力学基底（图1）：

1. 多模态表示与海洋系统融合。核心路径是构建统一表示，整合跨模态、深度和尺度的异质海洋观测。卫星测量、现场剖面、自主平台和数值再分析各自提供海洋状态的部分且有偏视角，数字孪生需要能够联合编码这些不同来源，同时保留其不确定性和互补性的表示。AlphaOcean强调在共同语义空间内对齐多模态信息，使表面观测能够告知次表层结构，稀疏现场测量能够更广泛地传播情境，模式衍生场能够提供动力学支架而不主导学习语义。

2. 物理信息表示学习与约束整合。第二条路径聚焦于将物理知识整合入表示学习，并非替代数值模式，而是作为塑造学习嵌入的引导约束集。这些约束可包括守恒原理、稳定性条件、示踪物行为边界，或反映主导海洋过程的简化动力学关系。将此类信息嵌入学习过程有助于确保表示在空间、时间或变量组合外推时保持连贯，降低产生语义合理但物理不一致状态的风险。

3. 语义嵌入空间实现可重用性与知识迁移。数字海洋智能的定义性能力是跨区域、现象和任务重用学习知识。AlphaOcean通过将海洋状态组织到语义嵌入空间中来追求这一能力，在弱监督或自监督下捕捉有意义的相似性和差异性。在此空间中，具有可比动力学或生物地球化学特征的海洋区域可被识别、追踪时间演化，并在缺乏显式标签的情境下进行比较。

4. 时空建模实现动态连贯数字孪生。数字孪生海洋系统需要随空间时间一致演化的表示，反映海洋系统的连通性和动力学。最终路径强调编码平流、混合和长程相互作用的时空建模，将时间情境和空间连通性纳入学习表示，而非将海洋观测视为独立快照。这支持数字海洋状态的持久更新、预测和情景探索，并使数字孪生能够对扰动作出动态响应。

总结与展望

AlphaOcean作为海洋基础模型的概念框架，通过将表示置于海洋智能中心来解决现有空白。与AlphaEarth主要受限于标注数据稀缺而非观测不同，海洋——特别是其内部——根本上受限于稀疏且不均匀的观测。AlphaOcean并非消除这一物理限制，而是将海洋观测从孤立样本重新定义为对物理一致、演化状态表示的约束，从而放大每次观测的信息价值，降低数字海洋智能的有效数据需求。

论文信息：Yan, F., Fan, R., Lyne, V., and Su, F. (2026). Physics-informed representation learning for a digital-ocean twin: The AlphaOcean framework. The Innovation Informatics , 2(1): 100031.

以上总结仅为个人见解，仅供研究参考所用，不用于商业用途。若理解有误，以论文原文为主。文章推送时未能及时与原作者取得联系，若来源标注错误或侵犯到您的权益烦请告知，我们将妥善处理。

• 信息来源:RSOD海洋动力遥感。

  转载请注明信息来源及海洋知圈编排。