《Journal of Marine Science and Engineering》：Prior-Guided Objective Detection and a 1993–2025 Monthly Record of the Northwest Atlantic Shelf-Slope Front
编辑推荐：
西北大西洋陆架-陆坡锋（Shelf-Slope Front，SSF）将较冷、盐度较低的陆架水与较暖、盐度较高的陆坡水分隔开，并影响陆架-陆坡交换、沿海海洋变率和生态系统状况。加拿大渔业与海洋部的大西洋区域监测计划（Atlantic Zone Monitorin
西北大西洋陆架-陆坡锋（Shelf-Slope Front，SSF）将较冷、盐度较低的陆架水与较暖、盐度较高的陆坡水分隔开，并影响陆架-陆坡交换、沿海海洋变率和生态系统状况。加拿大渔业与海洋部的大西洋区域监测计划（Atlantic Zone Monitoring Program，AZMP）自1973年起维护了一套由分析人员得出的逐月SSF位置数据集，但常规生产于2017年后终止。研究人员开发了一种先验引导的客观海表温度（Sea Surface Temperature，SST）梯度峰值检测器，以提供基于ARMOR3D的可重复扩展记录。在75° W至50° W的整数经度上，该检测器识别向极冷却梯度的局部最大值，并根据峰值显著性和与季节调整后的陆架边缘先验的距离对其进行排序。1993–2017年的五折分块交叉验证选择了相等的热显著性和地理权重。在6950次折外比较中，偏差为0.095°纬度，均方根误差为0.497°，中位绝对误差为0.236°，75.7%的位置与AZMP得出的SSF相差在0.50°以内。西部、中部和东部区域的季节性峰值时间差异为0.13–0.35个月，年相关系数分别为0.89、0.74和0.69。然而，Peak SSF的年标准差仅为AZMP值的49–56%，因此这两套记录在变率振幅上并不直接同质。2018–2025年部分是基于ARMOR3D的扩展，尚未经过独立验证。它揭示了区域对比，而不是持续的全域位移。1993–2025年的Peak SSF数据集为锋面监测、陆架-陆坡交换研究、生态系统分析和海洋模型评估提供了一个可重复、可更新的基准。
本文解读了西北大西洋陆架-陆坡锋（Shelf-Slope Front，SSF）的客观检测与长期记录构建研究。SSF是分隔低温低盐陆架水与高温高盐陆坡水的动力活跃锋面，对陆架-陆坡交换、沿海海洋变率和生态系统具有重要影响。加拿大渔业与海洋部的大西洋区域监测计划（Atlantic Zone Monitoring Program，AZMP）自1973年起维护了一套由分析人员从卫星海表温度（Sea Surface Temperature，SST）图表中解译的逐月SSF纬度数据集，但该常规生产于2017年终止。由于人工解译费时、难以精确重复，且当经向SST剖面存在多个梯度候选时易受分析者判断影响，亟需一种客观、可重复的算法来扩展这一长期气候记录。
研究人员开发了一种先验引导的客观SST梯度峰值检测器（称为Peak SSF），利用ARMOR3D月平均SST场，在75° W至50° W的整数经度上生成1993–2025年的逐月SSF位置数据集。该检测器首先检测向极冷却梯度的局部最大值作为候选锋面，然后结合峰值显著性和季节调整后的陆架边缘先验距离进行排序，并通过区域筛选标准确定最终SSF位置。研究旨在检验局地SST梯度证据和陆架边缘背景能否复现AZMP的历史定义，并提供可更新、可重复的锋面监测基准。
主要关键技术方法包括：使用ARMOR3D Level 4月平均SST分析产品，其空间分辨率为1/8°，融合卫星SST、高度计和现场温盐剖面；候选生成阶段在每个整数经度提取经向SST剖面，计算向极冷却梯度，利用findpeaks识别局部最大值，最小间隔为0.25°纬度；候选排序阶段构建包含经度相关偏移和月位移的季节调整陆架边缘先验，定义标准化评分Qc，结合峰值显著性和地理距离，权重αSB通过交叉验证确定；区域筛选阶段在西部采用3σ位置一致性筛选，在东部采用2.0 °C的SST一致性筛选；参数标定与验证采用1993–2017年AZMP数据，通过五折分块交叉验证评估折外性能，并用全样本重拟合生成最终数据集。
研究结果如下：
3.1 与AZMP SSF数据集的评估。经粗到细网格搜索，选定峰值阈值乘数kProm=1.00、地理权重αSB=0.50。交叉验证共6950次折外比较，偏差为+0.095°纬度，均方根误差（Root Mean Square Error，RMSE）为0.497°，中位绝对误差为0.236°，75.7%的位置误差在0.50°以内。候选检出率在0.25°和0.50°容差下分别为68.7%和94.1%，表明多数大误差源于候选排序而非峰值生成。区域筛选改变了少量初步选择：西部位置一致性屏幕改变了1.64%的选择，东部SST一致性屏幕改变了13.59%。用全样本重拟合后各项指标几乎不变。
3.2 季节变率。1993–2017年月纬度距平呈一致的周年循环：夏季末至秋季北移，冬季末至春季南移。年谐波振幅在西部、中部、东部的最大北移月份分别为9月、10月、8月，与AZMP相位差仅0.13–0.35个月。振幅在中部区域吻合最好，西部次之，东部（55° W–50° W）振幅被明显低估，Peak SSF虽保留了局部最大值但幅度小于AZMP。
3.3 年际变率。区域年距平与AZMP的Pearson相关系数在西部为0.89，中部为0.74，东部为0.69。Peak SSF年标准差仅为AZMP值的49–56%，异常回归斜率在0.384–0.423之间，表明振幅被系统性压缩。2018–2025年扩展显示区域间频繁出现反号异常，无持久全域一致位移，各区域线性趋势均不显著。
讨论部分指出，SSF位置变化主要表现为锋面路径的形变而非刚性平移，区域时间序列比全域平均更能反映物理过程。方法的优势在于保留多个候选并利用先验进行特征归属，将峰值生成与身份识别分离，从而可分别评估误差来源。局限在于变率振幅被抑制，尤其在东部和当先验权重过高时。敏感性实验表明，经度相关陆架边缘先验是解决竞争峰值的最主要约束，月位移和区域筛选提供增量改进。由于2017年后无AZMP数据，2018–2025年扩展未经独立验证，需通过盲评审或现场观测进一步确认。未来可引入多变量证据（如盐度、密度、海表高度）和监督学习排序方法。
研究结论可翻译为：研究人员开发了一种先验引导的客观Peak SSF检测器，以月度ARMOR3D SST扩展分析人员得出的AZMP陆架-陆坡锋记录。该方法客观检测向极SST梯度局部最大值，然后利用峰值显著性、AZMP标定的季节调整陆架边缘先验和区域筛选标准识别SSF。分块交叉验证表明与AZMP定义的SSF具有良好连续性：6950次折外比较中，偏差为0.095°，RMSE为0.497°，中位绝对误差为0.236°，75.7%的位置误差在0.50°以内。候选梯度在0.25°和0.50°内分别出现68.7%和94.1%的情况，表明剩余大误差主要反映竞争梯度之间的排序问题。Peak SSF恢复了季节相位和许多年距平的符号，但低估了变率振幅：三个区域的季节相位差仅为0.13–0.33个月，年相关系数从西到东为0.89、0.74、0.69，而区域年标准差仅为AZMP值的49–56%，异常回归斜率为0.423、0.408、0.384。因此，Peak SSF与AZMP记录在变率振幅上不应视为直接同质。保持异常幅度同时维持可靠特征身份是进一步方法发展的主要挑战。应用至2025年提供了8年基于ARMOR3D的可重复逐月SSF监测扩展，揭示了强烈的区域对比而非单一共同趋势。由于2017年后没有分析人员得出的AZMP位置，2018–2025年扩展未经独立验证，不应解释为历史记录的已确认续延。考虑到这一局限和减小的变率幅度，历史AZMP和Peak SSF记录为季节和年际变率、陆架-陆坡交换、沿海热淡水通量和海洋模型评估研究提供了互补背景。未来的多变量和监督排序方法应针对这一透明基准进行评估，并在不牺牲特征身份的前提下改善异常幅度。
