2026年5月4日，云顶集团官网白相志教授团队在三维大气湍流探测与演化预测方面取得新进展，相关成果以封面论文形式发表于国际期刊《Newton》，题为“Revealing real-world hidden 3D atmospheric turbulence from imaging”。该研究提出了一种多视角成像深度学习框架，尝试突破以往探测技术以获取一维路径或二维平面湍流场为主的局限性，可从光学图像直接反演并重构真实世界三维大气湍流结构，为三维复杂大气物理场探测开辟了新途径。
图 1 《Newton》期刊第2卷第5期封面
大气湍流作为一种具有高度随机性与复杂动力学的流体现象，其折射率结构常数（Cn2）的三维空间分布是决定航空飞行安全、气象预报精度以及天文观测质量的关键因素。然而，长期以来，探测并理解三维大气湍流结构面临极大挑战。甚高频雷达、无线电探空仪及激光探测等，通常只能获取单点或沿单一路径的稀疏一维数据，且设备昂贵、部署困难。白相志教授团队针对上述问题展开了长期的深入研究，前期研究（Nature Computational Science，2023年第8期）发现，利用光学成像能够捕捉大气湍流引起的光热效应，进而实现对二维强度场的探测与量化。但这种降维观测无法通过单一视角解析光程深度信息，导致大气湍流极其重要的各向异性特征和三维空间结构信息丢失，难以完全还原真实大气物理场。如何跨越从二维到三维的技术鸿沟，精准探测隐藏在复杂光场背后的三维湍流，成为了该领域亟待攻克的难题。
针对上述科学难题，白相志教授团队提出了“湍流效应诱导的探测与演化”深度学习框架（TEPEF）（图2A），通过多视角成像建立了从光学退化特征到三维物理参数场的映射关系。基于光波随机介质传输理论的非均匀场相位扰动累积机制，该框架通过整合多视角退化特征的时空映射关系，实现了从二维观测向三维各向异性湍流场的逆向物理重构。其中，探测网络引入空间注意力机制，有效提取并融合多视角成像中的差异退化特征，从而解除路径积分造成的空间信息混叠，实现对各向异性三维湍流场的精确重构；演化网络采用时空解耦策略，通过分离三维空间结构特征与时序演化特征，实现了对三维湍流场的高精度时空预测。为支撑模型训练并验证泛化性能，团队构建了百万级大规模多视角大气湍流成像数据集（MATID）。实验结果表明，TEPEF实现了高精度三维湍流场重建（R2 = 0.89），在大涡模拟与真实世界数据上同样展现出卓越的物理一致性，且在短期与长期预测中R2均超过0.8。
图 2 (A)基于TEPEF框架学习三维大气湍流探测与演化 (B)湍流统计特性，包括功率谱密度、两点相关函数和累积分布函数 (C)TEPEF在天文台址勘选中的应用
进一步，TEPEF重构的三维湍流场在功率谱密度、两点相关函数及累积分布函数等关键统计指标上与真值高度吻合（图2B），弥补了一维或二维探测无法解析空间各向异性结构的缺陷；同时，TEPEF在预测大气相干长度（r0）和视宁度（Seeing）等天文观测关键光学参数时的相对误差低于3%（图2C），为天文台址勘选提供了低成本观测的潜在途径。
该研究实现了大气湍流场从二维平面探测向三维空间探测的跨越，具有重要的科学意义与应用价值。2024级硕士研究生安奕潼为该论文第一作者，白相志教授为通讯作者，北京航空航天大学为唯一完成单位。云顶集团官网硕士研究生江行舶、李同凯也在研究中做出贡献。该研究得到国家自然科学基金、北京市自然科学基金的支持。
