鲨鱼或有助于改进气候预测

鲨鱼或有助于改进气候预测

研究表明，动物身上的传感器可与传统观测工具协同工作，提升海洋预测水平。

迈阿密——一项发表在《npj Climate and Atmospheric Science》期刊上的新研究显示，携带电子标签的鲨鱼可以作为移动传感器，收集那些使用传统方法难以观测的海洋区域的气候数据。

该研究由 Laura H. McDonnell 博士主导，她在迈阿密大学罗森斯蒂尔海洋、大气与地球科学学院及 Abess 生态系统科学与政策学院攻读博士期间完成了这项研究。研究结果表明，带有标签的鲨鱼收集的温度和深度数据，能够提高西北大西洋动态区域的海洋预报准确性。

通过将鲨鱼收集的数据纳入季节性气候模型，McDonnell 及其团队发现，某些区域的海洋表面预报误差显著减小，在特定情况下改善幅度高达 40%。

这是首个将动物携带的传感器数据实验性地整合到季节性气候模型中，并量化其对预报性能影响的研究，为未来的业务化应用提供了可能。

"鲨鱼本就在我们难以观测的那些海洋区域活动，"现已担任伍兹霍尔海洋研究所博士后的 McDonnell 表示。"这项研究表明，它们收集的数据有助于填补重要的观测空白，并且如果使用得当，可以改进我们对海洋状况的预测能力。"

跨学科合作推动创新

这项研究源于罗森斯蒂尔学院前鲨鱼科学家 Neil Hammerschlag 博士与大气科学家 Ben Kirtman 博士（现任罗森斯蒂尔学院院长）之间的跨学科合作。2018 年，他们意识到，Hammerschlag 实验室用于研究鲨鱼生态的鲨鱼标记研究数据，也可用于气候建模。

附着在鲨鱼身上的卫星标签在它们游经海洋时会记录深度和温度，并近乎实时地收集和传输这些数据。虽然这些标签长期以来一直帮助科学家追踪鲨鱼的活动，但这次合作开辟了新的应用方向，并创造了一个新颖的概念验证机会：利用相同的数据来改进气候预测。

"像鲨鱼这样的海洋捕食者会自然地寻找锋面和涡流等动态海洋特征，"Kirtman 说。"这些正是模型常常缺乏足够观测数据的区域。"

在思科系统公司的资助下，研究团队开展了实地工作并验证了这一概念。

测试鲨鱼作为海洋观测者

McDonnell 和 Hammerschlag 在西北大西洋对 18 条大青鲨和 1 条灰鲭鲨进行了标记。这些鲨鱼在广泛的地理位置和水深（深至近 2000 米）范围内，传输了超过 8200 个温度-深度剖面数据。伍兹霍尔海洋研究所的海洋学家、该研究的合著者 Camrin Braun 博士，通过帮助 McDonnell 和 Hammerschlag 联系当地渔民，协助在马萨诸塞州科德角附近开展了野外工作，并共同主导了预报数据分析。

"这项研究的关键在于重新利用了一种更先进的标签，它不仅能传输位置数据，还能同时传输温度和深度信息，"该研究合著者、鲨鱼研究基金会执行主任 Hammerschlag 说。"这使我们能够以已知的精度，将次表层海洋状况直接关联到特定位置。"

Kirtman 将一部分数据整合进了 Community Climate System Model。该模型是一个耦合的海洋-大气-海冰-陆地模型，用于季节性预报应用，并且是美国国家海洋和大气管理局业务化运行的北美多模式 Ensemble 系统的一部分，Kirtman 是该系统的首席科学家。

研究团队将实际发生的气候状况，与仅使用传统模型的预报以及整合了鲨鱼收集数据后的模型预报进行了比较。

结果显示，预报性能有了可衡量的提升，尤其是在对海洋生态系统和渔业至关重要的动态沿海和陆架区域。

研究人员强调，动物携带的传感器并非要取代传统观测系统，而是一种补充工具。

"携带标签的鲨鱼不会取代传统观测系统，"McDonnell 补充道。"初步结果确实表明，携带标签的海洋捕食者可以在地表和深海提供互补的现场观测。"

意义何在

准确的海洋预报对于渔业管理、海洋作业以及理解气候变化如何影响沿海社区至关重要。然而，预报在条件变化迅速且观测数据缺乏的区域往往最不可靠。

动物携带的传感器可以增强预测能力，为从海鲜供应链到气候适应规划等多个行业的决策提供支持。

"追踪海洋动物本是为了了解它们的行为与环境条件的关系，但这项研究揭示了这些数据如何也能被用于预报和气候应用，"Hammerschlag 说。

"对于渔业和沿海社区而言，海洋预报的微小改进就能带来巨大差异，"Braun 说。"减少不确定性有助于人们做出规划——无论是在哪里捕鱼、如何管理资源，还是如何应对不断变化的环境。"

该研究题为《Improved seasonal climate forecasting using shark-borne sensor data in a dynamic ocean》，于 2026 年 4 月 28 日发表在《npj Climate and Atmospheric Science》期刊上。

研究资金由 Cisco Systems（AWP-014524）和迈阿密大学 Abess 中心提供。

本研究的作者及其单位如下：Laura H. McDonnell 和 Neil Hammerschlag，迈阿密大学罗森斯蒂尔海洋、大气与地球科学学院及 Leonard and Jayne Abess 生态系统科学与政策中心；Ben P. Kirtman，迈阿密大学罗森斯蒂尔学院、海洋与大气研究合作研究所及 Frost 数据科学与计算研究所；以及 Camrin D. Braun，伍兹霍尔海洋研究所。

McDonnell, L.H., Kirtman, B.P., Braun, C.D. et al. Improved seasonal climate forecasting using shark-borne sensor data in a dynamic ocean. npj Clim Atmos Sci (2026). https://doi.org/10.1038/s41612-026-01394-9

END

声明：欢迎转载、转发。气象学家公众号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。文中部分图片来源于网络，如涉及内容、版权和其他问题，请联系小编处理。