急流在海洋环流中起着基础性作用——它们是狭窄的高速度流动，作为主要的通道，极大地塑造了天气和气候模式（Stommel, 1965; Vallis, 2017）。它们最重要的功能是全球热量的传输，确保了“热带-极地”系统中的能量重新分布，并直接影响气候（Wunsch, 2005）。此外，急流还参与营养物质的传输，形成生物生产力极高的锋区（Longhurst, 2007; Polovina et al., 2008; Prants, 2024）。理解这些电流的动力学，特别是精确追踪其核心（轴线）的位置和变化，对于气候预测、海洋生态系统研究以及数值海洋模型的验证至关重要（Griffies et al., 2016; Budyansky et al., 2025）。
尽管急流具有基础性重要性，但从瞬时速度场中客观且明确地提取其核心仍然是一个复杂且尚未完全解决的方法论挑战。与静止物体不同，急流存在于一个充满涡旋、惯性振荡和波浪的动态中尺度场中（Chelton et al., 2011; Qiu and Chen, 2005）。它们的位置可能会突然改变，发生蜿蜒，经历斜压不稳定性，在某些区域甚至会分支或形成分离环（Kawabe, 1995; Andres et al., 2015）。依赖平均气候场的传统方法无法捕捉这种天气尺度变化（Chapman, 2017; Chelton et al., 2011），而分析瞬时快照则需要一个清晰、形式化且可重复的算法，以避免主观性。正如Chapman（2014）的比较研究所示，急流场结构的解释在很大程度上取决于所选的检测算法，这使得不同研究结果之间的比较变得复杂。
在现代海洋学中，使用了一系列方法从瞬时速度场中提取急流，这些方法通常分为几类，每种方法都在物理合理性、简单性和通用性之间进行了折中。历史上，基于平均数据的方法占主导地位，能够识别电流的气候学稳定结构。经典的水文学方法（Orsi et al., 1995; Yasuda, 2003）以及基于水体属性和潜在涡度分析的方法（Talley, 1988; Yasuda, 1997）通过关键等温线、等盐度线或水体示踪剂（例如中间水的核心）的位置来识别锋面和电流轴线。然而，这些方法从根本上依赖于平均档案数据，具有区域特异性，不适用于分析天气尺度变化。使用海岸海平面记录的长期方法（Kawabe, 1995; Tsumura, 1963）或平均场的回归分析（Tarakanov, 2021）也可以归入这一类别。
随着卫星高度计的出现，研究重点转向了使用海表面高度（SSH/ADT）和地转速度场的方法。对于处理瞬时（每日、每周）场，最常见的方法包括：
局部速度最大值的运动学方法：急流轴线被定义为横截面上的速度最大值点序列（Ambe et al., 2004; Zhuang et al., 2020）。这种方法常用于黑潮研究（Qiu and Chen, 2011; Fujishima et al., 2025），但对噪声和中尺度涡旋活动非常敏感，需要主观选择横截面方向和平均宽度以进行稳定处理，这可能会平滑电流的真实细微结构（Chapman, 2014）。
等值线（轮廓）方法：电流核心与特定的绝对动态地形等值线相关联，该等值线可以是固定的（Sokolov and Rintoul, 2002, 2009）或随时间变化的（Nakano et al., 2018）。这种方法对噪声具有更好的抵抗力，能够很好地将动态与水体联系起来，广泛用于南极绕极流和西部边界流。然而，它面临选择“最佳”等值线值的问题，该值可能在时间和空间上发生变化（Chapman, 2014）。在其经典形式中，这种方法在强烈蜿蜒或分支的部分也可能导致结果不连续。
SSH梯度阈值方法：在SSH梯度超过给定阈值的区域识别急流（Qiu and Chen, 2005; Qiu et al., 1991）。这种方法简单直观，但对高频噪声和涡旋极为敏感，因为差异化操作放大了小尺度不均匀性。阈值的选择也是主观的，可能导致不连续性，或者相反，导致不同结构的合并。
统计和复杂检测算法：为了抑制噪声并识别连贯的急流结构，使用了概率密度函数（PDF）分析SSH值的方法、小波滤波（WHOSE方法，Chapman, 2014），以及借鉴自涡旋动力学的算法。然而，这些方法实现起来较为复杂，需要调整滤波参数，并且通常像平均方法一样，会平滑天气尺度变化，从而呈现出统计上显著的结果，而不是瞬时的物理流轴线。
因此，即使使用瞬时场的方法也常常在参数选择（阈值、等值线值）上存在主观性，对噪声敏感，并且无法明确解决复杂动态情景，如分支、合并或强烈蜿蜒。比较分析（Chapman, 2014）清楚地表明，同一急流结构的解释可能因所选算法的不同而大相径庭，这质疑了结果的可重复性和客观性。
本文提出了一种新算法SEAMT（基于最小T参数的流线集合分析），用于从地转速度场中的瞬时流线集合中提取急流核心。SEAMT方法的灵感来源于自动连贯结构检测领域，其中流线构建已被成功用于定义涡旋边界（Sadarjoen and Post, 2000）。我们借鉴这一思路，重新定义了任务：电流核心被定义为研究区域内两个指定边界之间具有最小T参数值的流线。该参数是冻结速度场中路径效率的积分度量；其最小化对应于选择最有效的传输路径。因此，核心提取任务简化为在给定速度场中寻找极值路径的变分问题，这与几何光学中的费马原理完全类似，即光沿最小时间路径传播。
该方法的一个关键要素是从预定义的最大电流流入区域周围的一组起点开始分析流线集合。通过从围绕该点的规则网格出发启动流线集合来细化初始候选点。这考虑了局部场的不均匀性，并提高了识别主要传输轴线的可靠性。从获得的集合中，客观选择到达相反区域边界的T参数值最小的流线。这种方法将急流视为给定瞬时场中最有效的传输路径，直接对应于急流作为质量和相关属性通道的物理意义。
使用流线集合的一个关键优势是能够自动检测复杂情况，如分支（分叉）或急流的合并。如果流中有多条T参数值接近的竞争路径，算法可以全部识别出来，客观记录多个急流核心或它们的分离。这允许跟踪电流的非静止空间演变，包括蜿蜒，而无需引入任何主观阈值参数。
黑潮及其延伸区——世界海洋中最强大和动态最复杂的急流之一——被选为测试该算法的关键对象。对其研究对于理解东亚气候和西部边界流的动态至关重要（Qiu, 2002; Yasuda, 2003）。黑潮的特点是强烈的中尺度变化、蜿蜒、分支和活跃的涡旋形成（Chelton et al., 2011; Udalov et al., 2023），使其成为验证任何核心检测方法稳定性和准确性的理想试验场。将SEAMT算法应用于多年卫星高度计数据（1993-2024年）不仅可以证明其在极端条件下的功能，还可以获得关于黑潮核心在整个高度计时代行为的新定量信息。
文章的结构如下。第2节介绍了SEAMT算法所基于的一般物理和形式问题陈述，描述了使用的卫星数据和独立漂流测量数据，并提供了用于可视化动态结构（椭圆和双曲线点）的辅助HEPTA算法。第3节专门讨论了将该方法应用于黑潮：给出了具体的数值实现参数（积分步长、流线构建方法），与经典方法进行了比较，并分析了该方法识别电流分支、追踪与涡旋相互作用的能力以及多年数据处理（1993-2024年）的结果。第4节讨论了结果的物理解释、主要优势、局限性及提出的算法的前景。第5节总结了工作的主要发现。
