1970-01，搭载有高分辨率红外辐射计（HR-IR）的第一颗改进TIROS卫星的成功发射，开启了红外遥感海洋学研究的先河。Saunders（1971）利用航空辐射温度计探测的SST数据，首次对涡旋的形成和生命周期进行完整观测，并初步讨论了涡旋的热量和动能效应。随后，Gotthardt和Potocsky（1974）基于NOAA-2卫星甚高分辨率红外辐射计（VHRR-IR）和实测SST数据，人工跟踪了墨西哥湾流单个涡旋近5个月时间，得到了该涡旋的西向运动轨迹与速度规律（图1），被认为是基于SST数据单体涡旋研究的早期代表性工作。Stumpf和Rao（1975）利用NOAA-2搭载的高级甚高分辨率红外辐射计（AVHRR）拍摄到的红外图像，连续7 d观测并追踪了墨西哥湾流西侧的涡旋及其演变过程，这是首次基于SST数据以天分辨率开展的涡旋连续观测。1974年—1976年，美国国家海洋和大气管理局NOAA（National Oceanic and Atmospheric Administration）通过对卫星热红外图像进行人工判读，实现了对热带东太平洋海域近百例涡旋的识别（Stumpf和Legeckis，1977），这是基于红外遥感开展中尺度涡区域性研究的里程碑。至20世纪80年代，SST数据量不断积累，一定程度上促进了涡旋热力学研究的发展（Deschamps等，1984），但与此同时，随着SST数据量的不断增多，目视解读方法的低效率劣势也日渐凸显。

20世纪80年代后期，计算机技术的快速发展及其在科学研究中的率先应用，使涡旋红外遥感逐渐从人工解读迈向自动解译阶段。相关学者经过大量的数据分析与实验验证，提出了若干基于SST图像的涡旋自动解译算法，主要有边缘检测法、特征提取法和等温线法等。

（1）边缘检测法。边缘检测法一般是指由近似椭圆的分段圆弧曲线所构成的一种“逐步求精”的自动检测方法，主要利用曲线拟合和圆检测算法选定候选子区域，再通过图像灰度分割法确定出子区域中的涡旋位置。Nichol（1987）曾基于遥感图像中等灰度值区域之间的关系对类涡结构进行识别。然而，由于涡旋内部特征和运动规律的复杂性，此方法难以准确提取涡旋信息。因此，有学者尝试利用Hough算子对红外遥感图像进行涡旋检测（Holyer和Peckinpaugh，1989；Peckinpaugh和Holyer，1994；姬光荣 等，2002），该方法尤其适用于形态特征比较显著的成熟涡旋。此外，类似的边缘检测算法还包括：基于Canny算子的边缘检测法（Canny，1986）、基于涡旋边缘检测和流场结合的随机椭圆拟合法（Fernandes和Nascimento，2006）、基于自相似和尺度不变性特征的S-A多重分形滤波法（葛咏 等，2007）以及基于梯度的边缘检测法（Oram等，2008）等。作为精度较高的涡旋检测算法之一，边缘检测法能够更有效地反映涡旋能量流向和空间分布的影像模式，但当数据量过多时，其所需的存储和计算量急剧增加，同时检测误差也随之增大。

（2）特征提取法。特征提取法即利用特定算法从连续的SST图像中计算特征速度，并在速度矢量场中定位识别涡旋，用尽可能少的新特征最大限度地包含更多有效的涡旋信息。以往学者开发了许多经典特征提取算法用于红外图像的涡旋自动检测，如可用于涡旋精细特征提取的小波变换算法（Simhadri等，1998）、基于Jordan曲线指数的卫星SST场序列特征的涡旋检测算法（Yang等，2001）、基于Laws卷积核来揭示涡旋微观结构模式的纹理分析算法（Castellani和Marques，2005），以及基于SST热风速场实现涡旋自动检测的热成风算法（Dong等，2011）等。其中，热成风算法通过将Sobel算子与包含SST的矩阵进行二维卷积，经过运算得到热风速场，再利用该速度场的几何特征，确定涡旋的涡心、边界、强度、路径和寿命等参数信息。特征提取法不仅可用于卫星SST场序列特征中的涡旋检测，还可进一步用于大规模地球物理数据的高级表达、高精度SST数据重建及海洋大数据的挖掘分析等，但其算法复杂度相对较高，模式修改与重建比较困难。

（3）等温线法。海洋涡旋根据其所引起的SST异常又可分为暖涡和冷涡，因此有学者开发了等温线法进行涡旋检测，即在特定阈值下迭代SST等温线，通过对极值点和像素个数、形状误差和振幅范围进行条件筛选，来判定闭合等温线是否为涡旋边界。基于此原理，学者们进行了大量实验研究，如使用形状的多尺度分析来突出可能包含涡旋形状的等温线曲率区域（Lemonnier等，1994），或通过迭代SST等温线自动检测和表征涡旋相关结构（D’Alimonte，2009），以及基于SST和海冰再分析数据对涡旋进行自动检测（Zhang等，2015）等。等温线法不仅有助于揭示与涡旋结构相关的各种形态参数，还能进一步提高SST数据的利用率，但同时易受大气和云层污染而影响提取精度。

海洋观测技术特别是红外遥感技术的发展，一方面为海洋涡旋研究提供了海量数据，另一方面也为涡旋信息的智能挖掘带来挑战。传统涡旋的识别分类研究多采用目视解译法、基于物理几何参数法及混合对比法，具有较高的主观性与随机性。海洋大数据作为大数据技术在海洋领域的实践，通过多层学习提取海洋模式中的有效信息，客观挖掘数据间的复杂关系，有效提高了数据处理效率与精度，为人工智能AI （Artificial Intelligence）技术在涡旋红外遥感中的应用带来新的契机。

20世纪八、九十年代是神经网络NN （Neural Network）技术发展的高峰期，当时，有海洋学者将多层感知器MLP （Multilayer Perceptron）这一经典NN模型用于SST数据的涡旋识别（Lippmann，1987），开创了AI技术探测涡旋的先例。进入21世纪，随着红外遥感和AI技术的进一步发展与应用，多位学者进行了一系列创新研究，如Arriaza等（2003）开发了一种基于NN技术的卫星海洋SST图像涡旋自动判读系统，并在非洲西北部海岸和加那利群岛得到验证；Castellani（2006）提出了一种新的机器学习方法，通过训练NN来识别表征涡旋结构的梯度角纹理模式，并基于北大西洋SST数据进行涡旋自动检测。但当时的算法普遍存在识别效率低、检测误差大以及算法复杂性高等问题，因此没有得到广泛应用。

2010年前后，由于卫星高度计在涡旋探测中的成熟应用，这一时期的涡旋红外遥感研究相对减少。然而，传统测高技术经过近10年的发展，其在涡旋探测领域的应用正在进入“平台”期，红外遥感技术因其高精度和小尺度特性再次受到重视。作为图像识别领域中的主流深度学习算法，卷积神经网络CNN （Convolution Neural Network）通过局部连接、权值共享、下采样等优化网络结构，利用卷积层提取数据特征，实现从原始样本到目标的“端到端”建模，在对高维数据处理和特征提取中具有明显优势，因而在从海量SST图像数据中提取涡旋特征发挥了重要作用，其原理如式（1）：

式中，*表示卷积，W为卷积核，X为输入矩阵。基于CNN模型，Moschos等（2020）提出了一种涡旋自动检测新方法，该实验对获取的2016年—2017年间1/12°天平均分辨率夜间地中海SST图像中的1200幅精确标签图像（EDDIES-HL）数据集进行精度测试，以评估该方法在选择准确标记和纠正错误标签中的能力，从而实现对反气旋涡位置、轨迹、分裂合并事件及冷暖涡的高精度探测（图2）。此外，Moschos等（2020）还提到了另外一些AI模型（Bertinetto等，2016；Ren等，2017）同样可以应用于SST数据甚至SST&SSH融合数据，可识别包含涡旋特征的多模态图像，有助于开发深度学习潜力，不断突破高精度、高效率、大尺度、长时间序列的涡旋探测极限。

总之，作为最早应用于海洋涡旋研究的一项遥感技术，红外遥感在涡旋识别、追踪以及特性分析等方面起到了先导作用，随着传感器性能的不断提升，红外遥感在海洋涡旋研究中仍具有很大潜力。且由于红外遥感观测易受大气和云层影响的特点，许多学者开始结合AI技术对多源融合数据进行涡旋智能检测，为提高涡旋识别水平提供了新的思路。

Gower等（1980）最早通过Landsat卫星搭载的多光谱扫描仪水体反射率的变化（水色），揭示了第一幅由浮游植物斑块表征的涡旋遥感图像。然而，Landsat星如其名，其设计初衷是陆地遥感，信噪比较低，对于海洋中的弱信号难以有效分辨，因此并未广泛地用于涡旋观测。1978年，第一颗用于概念验证的水色遥感器CZCS的成功发射标志着水色卫星时代的开启，极大地促进了水色遥感的定量化，为海洋涡旋观测提供了一个全新平台，并成为早期涡旋研究的关键手段之一。Gordon等（1982）较早利用CZCS的Chl a数据观测到北大西洋墨西哥湾流地区暖涡的表面特征。水色卫星遥感在涡旋识别中的成功应用，很快引起了海洋学家的关注。在之后的十余年里，基于CZCS反演的Chl a数据，并结合AVHRR热红外SST数据，相关学者分别在格陵兰岛、墨西哥湾、马尾藻海等区域开展了涡旋的系列研究工作，实现了对目标区域内具有显著Chl a异常信号的涡旋直径、时空变化、SST与Chl a相关性等特征的初步认知（Michaelsen等，1988；Mitchelson-Jacob，1993；García-Moliner 和Yoder，1994），为涡旋形态学、运动学、生态学的早期发展奠定了重要基础。

自20世纪90年代末开始，为保持水色卫星数据的连续性，并在CZCS基础上进一步提升遥感器性能，在全球海洋大科学计划推动和海洋环境业务化监测需求下，以OCTS、SeaWiFS、MODIS、GLI、MERIS、COCTS、GOCI、VIIRS、OLCI等为代表的系列水色遥感器被陆续部署和发射。相比于CZCS，其波段数、光谱分辨率、灵敏度和信噪比等性能参数均得到一定改进，尤其是多源卫星融合数据产品的时空分辨率和数据获取率的实质性提升，为获取涡旋水色遥感的全球覆盖、连续累积的高质量数据源提供保证，加快推动了涡旋水色遥感的广泛应用和系统性研究。主要代表性成果包括：（1）从时间维度看，一方面开展涡旋海表Chl a 特征的长时间序列统计。Xu等（2019）利用2003年—2010年间的SeaWiFS、MERIS和MODIS融合后的Chl a数据对北太平洋涡旋的叶绿素环CRs（ChlorophyII rings）进行了识别和统计（图3），发现只有大约1%的涡旋才具有明显的CRs特征；另一方面，开展涡旋的日变化研究。Park等（2016）利用地球同步海洋水色成像仪GOCI的高时间分辨率Chl a数据获取了东海中尺度涡旋的表面流场，研究了涡旋径向结构及其日变化特征；（2）从空间维度看，开展涡旋的区域性分析。Gonzalez-Silvera等（2004）利用5个月（1998-11—1999-03）的SeaWiFS和AVHRR融合数据，对热带太平洋海域18个涡旋进行有效识别与追踪，并对其起源、极性、产生频率和寿命做了统计分析；此外，近几年来，利用水色遥感数据的高时空分辨率优势（~1 d/1 km），有关学者还相继开展了亚中尺度涡旋的水色遥感研究。Liu等（2014）利用300 m空间分辨率的MERIS数据揭示了南海西部海域尺度约为10 km的气旋式涡旋分布特征及其成因；Li等（2020）利用500 m空间分辨率的MODIS数据观测到了中国黄海连云港附近海域直径约为2—4 km的小中尺度涡旋；（3）从生态学研究看，揭示涡旋生态—动力机制。Tang等（2002）利用OCTS、AVHRR和SeaWiFS融合数据，观察阿拉伯海北部海域连续一个月的浮游植物水华现象及其时空变化，指出中尺度涡是浮游植物水华输运的主要动力机制。

虽然水色卫星遥感已成为涡旋生态学研究不可或缺的关键手段（McGillicuddy，2016），并且在亚中尺度过程观测上具有一定优势，但其观测到的水色特征并不能完全反映实际的海洋动力过程，这需要未来具有更高时空分辨率的卫星高度计技术来应对这一挑战。

雷达高度计，以卫星为载体，以海洋为遥测靶，通过向海面发射Ka、Ku等波段的微波信号，实现对风速、浪场、海洋重力场和大洋环流等海洋动力环境参数的有效监测。早期GEOS-3高度计的测距精度在长、短脉冲模式下分别约为50 cm和20 cm，采用高压缩比脉冲压缩技术的Seasat测距精度可达10 cm量级，随后TOPEX/Poseidon（T/P）通过控制卫星精密重复周期，并借助多个频率波段测量，将精度提升至2—6 cm。之后发射的Jason系列、Envisat等卫星通过与T/P轨道形成内插地面轨迹，实现了较高的重访速率以及稳定连续的遥感观测，并将精度进一步提升到2—3 cm（Soussi，2018），从而为获得清晰的涡旋结构提供了必要条件。与此同时，高度计数据也逐步从单一轨道数据（Robinson和Zimmerman，1984）演变为多卫星融合数据（Chelton等，2011b），从沿轨数据发展成全球网格数据，观测时空分辨率也在不断提升（空间分辨率达到0.125°×0.125°，时间分辨率达到1 d）（Pujol和Mertz，2020）。基于1993年至今累积的全球海洋卫星高度计数据集，海洋科研工作者实现了对全球海洋中尺度现象的挖掘，特别在海洋中尺度涡旋识别、追踪和应用方面（Chen等，2019b），根本上推动了涡旋海洋学的快速发展。

SAR是一种主动式微波成像雷达，波长依不同观测要求，涵盖L、C、X等波段，能通过探测海表面粗糙度等反演海洋的水文动力过程。随着多极化技术的发展，2014年发射的ALOS-2和2016年发射的GF-3 SAR影像分辨率可达1 m左右，是海洋涡旋探测的重要手段之一。

（1）涡旋的大气镜像耦合。涡旋因其海面温度异常及其对混合层扰动不对称导致的混合层深度“净增加效应”（Hausmann等，2017；Gaube等，2019），直接或间接地影响着海气边界层性质，存在着涡旋的大气影响“印记”。研究早期，受海—气遥感同步观测数据量不足和时空分辨率低的限制，涡旋—大气耦合（简称“涡—气耦合”）研究仅局限于盆地尺度、少量涡旋（几十）和个别参数间关系（如SST与风速）等工作（White和Annis，2003；Song等，2006）。随后，相关卫星任务的陆续部署、遥感数据算法的优化、时空分辨率的提升以及同步遥感数据的积累，使涡—气耦合研究在区域性、多参数、定量化、统计性规律等方面取得重要进展。Frenger等（2013）利用雷达高度计、微波辐射计和散射计，以每周/0.25°时空分辨率，对南大洋7年间（2002年—2009年）超过60万个中尺度涡旋及其上覆大气参数进行了统计分析。结果表明，海气边界层的风速、云量、云水含量、降雨量、降雨概率等参数异常与涡旋SST异常之间存在着正相关关系，且在2—3倍涡旋半径范围内表现出与涡旋形状一致的大气耦合镜像特征（图7），同时上覆大气还对涡旋寿命、上层生态过程及二氧化碳吸收等产生负反馈作用。这是涡—气耦合研究首次开展的系统性工作，证明了中尺度上的涡—气耦合对天气过程的影响，使海—气耦合研究从传统意义上的大尺度开始过渡到中尺度，为中尺度海—气耦合理论建立奠定了统计基础。

(a) SST(±0.04℃) (b) 风速(±0.01m/s) (c) 云量(±0.1%) (d) 降雨量 (±0.001mm/h)

图7 超过60万个涡旋的平均复合及其大气“印记”镜像图(白色圆圈代表涡核，黑线表示涡旋相关的海平面异常等值线 (Frenger等，2013）)

Fig.7 Mean composite maps of the >600,000 individual eddy and pattern of their atmospheric imprint (White circles mark the eddy core and black lines denote sea level anomaly contours associated with the eddy (Frenger et al.，2013))

（2）涡旋与台风。海洋涡旋对台风的响应和反馈是最强烈的海气相互作用，开展其相关研究对深入认识涡旋与台风相互作用机制，进而实现台风强度的精确预报具有重要意义。21世纪初，卫星高度计在涡旋观测中的初步应用，使涡旋与台风的研究备受关注。但同样受限于卫星遥感数据时空分辨率较低及与涡旋匹配的台风数据集稀少等因素，相关工作只能聚焦于个例典型涡旋（具有较大振幅和半径）在某一次台风事件过境后的表层参数响应（如Chl a、SST）及其对台风强度变化的影响分析等方面（Shay等，2000；Walker等，2005；Lin等，2005）。经过十余年的发展，涡旋遥感融合数据分辨率得到了大幅提升，同步台风历史数据量也在不断增加，再辅以现场Argo剖面浮标数据，海洋涡旋与台风研究开始从表层向次表层、从热力/生态参数向动力参数、从单次涡旋—台风事件观测向连续多年多次涡旋—台风事件的特征统计等方向过渡（Sun等，2014；Ma等，2018；Ning等，2019），在区域性、年代际、多参数的时空变化系统分析、机理解释和机制发现方面取得了重要突破。Zhang等（2020）利用20年（1993年—2014年）的SSH和台风数据集，分析了台风—涡旋—黑潮三者之间的相互作用，提出了台风在盆地尺度上对全球变暖的正反馈机制。尽管如此，对台风强度的精确预报仍是目前台风研究面临的最大挑战，而充分理解和掌握涡旋对台风的快速响应与反馈机制是修正海洋—台风耦合模式同化输入、从而提高台风预报能力的重要途径，这对未来卫星遥感的时空分辨能力提出了更高要求。

（1）涡旋与初级生产力。早期研究发现，全球海洋净初级生产量与垂直混合的营养供给量之间存在着明显差异，有关学者开始意识到涡旋是造成该“营养缺失”的主要因素，并较早地开展了涡旋与生态的交叉学科研究（Shulenberger和Reid，1981； Jenkins，1988；McGillicuddy等，1998）。研究初期，学者们主要利用水色CZCS、OCTS、SeaWiFS和红外AVHRR等遥感器，对特定海域内个例涡旋的Chl a时空分布特征、Chl a与SST的相关性等工作开展了重点研究，同时尝试对涡旋的初级生产力变化特征进行定性的机理性分析（McGillicuddy等，2001；Tang等，2002；Toner等，2003；Gonzalez-Silvera等，2004）。2010年之后，特别是卫星高度计涡旋识别与追踪算法的成熟和具有高时空分辨率的SSH和Chl a同步遥感观测数据集的建立（长达20年），加快了涡旋生态学的研究进展，先后提出并验证了涡旋对初级生产力影响的5种主要动力机制，即在水平方向上的搅拌平流（图8）、裹挟输运机制和在垂直方向上的涡旋泵、涡致埃克曼泵和混合层调制机制等（McGillicuddy等，2007，2016；Chelton等，2011a）。基于上述机制，部分学者又相继对南印度洋、亚热带南北太平洋和大西洋、墨西哥湾和南极绕极流等区域的涡旋表层Chl a季节性特征进行了跨年代际的统计分析和动力机制的半定量化研究，给出了上述区域内涡旋在不同季节和不同生命阶段表层Chl a时空特征及其主导动力机制解释（Gaube等，2013；Dufois等，2016；Hausmann等，2017；Dawson等，2018）。然而，由于涡旋动力影响机制的多源性、共存性和时变性，尤其是当前亚中尺度过程和垂直剖面遥感探测能力的制约，使目前涡旋对初级生产力贡献的定量化研究遇到了瓶颈，这是未来涡旋生态学发展亟需克服的挑战之一。

（2）涡旋与次级生产力。涡旋通过调制其内部Chl a及其空间分布，不仅影响着浮游动物和海洋鱼类的觅食行为，而且基于食物链传递和独立的物理环境，还对海洋爬行动物、大型哺乳动物等高级捕食者的活动行为产生深刻影响，已成为海洋生物活动的“热点”。利用传统水声遥感、生物采样和现场捕捞等手段，我们对以群居为主的浮游动物和海洋鱼类在涡旋中的时空分布已有了一定认知（Eden等，2009；Kai和Marsac，2010），但对处于食物链顶端、甚至濒危高级捕食者的长期活动行为仍缺乏足够了解。基于Argos水生遥测技术，具有全球目标定位和剖面物理参数（温度、压力、电导率等）获取能力的电子跟踪设备（或电子标签， Tag）的问世，为海洋动物学研究带来了革命性变化。特别是在过去的十几年间，Argos电子标签在微型化（~几厘米、~几克）、低功耗、长续航（~几年）、高可靠性方面的进步和应用（Hussey等，2015），为我们研究海洋动物个体在涡旋环境中的觅食、活动、栖息等行为带来了新的契机。利用Argos-Tag技术，我们发现红海龟、蓝鲨等高级捕食者在跨越数千公里、甚至长达几年的长途迁徙中，往往表现出对涡旋环境的特殊“偏好”（Gaube等，2017；Braun等，2019）。目前的普遍观点认为，涡旋的特殊物理环境（相对封闭、温度异常）或食物丰度是某些高级捕食者选择的主要因素，密切影响着动物生长、摄食、生理和免疫力等。正是由于SSH、SST及Tag等遥感手段的协同应用，才使我们对海洋动物（尤其是濒危动物）与涡旋关联的习性规律有了更清晰的认识，这对于启示我们建立基于海洋涡旋的动物产卵、觅食和迁徙栖息地的海洋动态重点保护区提供了科学依据。