海洋所在人工智能賦能海洋衛(wèi)星遙感研究方面取得新進展
近日,中國科學院海洋研究所人工智能海洋學研究組聯(lián)合國內(nèi)相關(guān)單位在國際期刊Proceedings of the IEEE(IF 25.9)發(fā)表綜述論文,系統(tǒng)總結(jié)了近年來人工智能(AI)在海洋衛(wèi)星遙感中的關(guān)鍵進展并闡述未來發(fā)展方向。
海洋觀測數(shù)據(jù)是認識海洋過程與氣候變化的基礎(chǔ)。衛(wèi)星遙感能夠提供大范圍、長時間序列、連續(xù)的海洋觀測,但隨著多源衛(wèi)星數(shù)據(jù)快速增長,數(shù)據(jù)缺測、復雜環(huán)境干擾以及傳統(tǒng)反演方法在非線性與極端條件下的局限性日益凸顯。近年來,AI作為一種高效可行的技術(shù)路線,為提升海洋遙感信息提取能力、增強復雜場景魯棒性提供了新的解決方案。
該綜述圍繞海洋衛(wèi)星遙感中的AI技術(shù)發(fā)展,聚焦三大核心應用方向:海洋參數(shù)反演、海洋數(shù)據(jù)重建、海洋現(xiàn)象識別,并從建模方法、應用場景與未來趨勢等維度進行了系統(tǒng)梳理(圖1)。在海洋參數(shù)反演方面,論文總結(jié)了卷積神經(jīng)網(wǎng)絡(CNN)與Transformer等模型在海浪、海表鹽度、海面風場與水色參數(shù)反演中的應用進展,強調(diào)其在極端或噪聲條件下提升精度與穩(wěn)定性的潛力(圖2)。在海洋數(shù)據(jù)重構(gòu)方面,論文指出AI可用于海表與次表層數(shù)據(jù)的補全與重構(gòu),在時空分辨率與一致性方面優(yōu)于傳統(tǒng)插值思路,為海洋三維結(jié)構(gòu)與生物地球化學要素的連續(xù)監(jiān)測提供支撐。在海洋現(xiàn)象識別方面,深度學習YOLO、U-Net等架構(gòu)已廣泛用于冰渦、內(nèi)波、中尺度渦與熱帶氣旋等動態(tài)現(xiàn)象的檢測與分割,實現(xiàn)了更高效率與更精細的自動化解譯。

圖1 海洋衛(wèi)星遙感與AI的發(fā)展歷程及融合應用進程
左:主要海洋觀測衛(wèi)星平臺和傳感器系列,包括極軌和地球靜止軌道上的可見光/紅外輻射計、被動微波輻射計和主動微波儀器(散射計、雷達高度計、SAR);中:代表性AI范式從早期深度CNN里程碑(如AlexNet、ResNet)到基于注意力的模型(Transformer/ViT),再到近期基礎(chǔ)和生成式發(fā)展(如LLM、擴散模型)以及新興的多智能體框架的示意性進展;右:該文綜述的三個主要應用領(lǐng)域:海洋參數(shù)反演、海洋數(shù)據(jù)重建、海洋現(xiàn)象識別。

圖2:AI海洋參數(shù)反演應用示意圖
(a) 多源衛(wèi)星觀測輸入數(shù)據(jù);(b) 主要AI模型(包括ANN和CNN);(c) 反演得到的海洋環(huán)境參數(shù)結(jié)果。
論文進一步討論指出,AI海洋遙感盡管進展迅速,但在可重復、可遷移和業(yè)務應用上仍有明顯短板,主要體現(xiàn)在五個方面:極端場景數(shù)據(jù)稀缺與樣本不平衡、跨傳感器/跨區(qū)域偏移導致泛化不足、不確定性量化與可解釋性欠缺、多傳感器/多模態(tài)融合在異質(zhì)與不匹配條件下仍難落地,以及面向業(yè)務的低延遲、可追溯驗證與部署約束(如星上部署)。圍繞這些問題,論文提出五個未來方向:面向亞公里精細尺度的融合重構(gòu);推進物理約束與AI融合并引入一致性檢驗;構(gòu)建面向海洋遙感的基礎(chǔ)模型;建立不確定性量化和可解釋性框架;發(fā)展壓縮蒸餾、硬件感知訓練與輕量化等技術(shù)支撐近實時/星上應用。
該研究為海洋衛(wèi)星遙感領(lǐng)域AI方法的選型、數(shù)據(jù)集建設(shè)、可信評估與業(yè)務化應用提供了系統(tǒng)參考,可為未來多源協(xié)同觀測與智能化海洋環(huán)境監(jiān)測產(chǎn)品研發(fā)提供重要的學術(shù)支撐。
論文第一/通訊作者為中國科學院海洋研究所李曉峰研究員,合作者包括中國海洋大學徐青教授、殷曉斌教授,福州大學蘇華教授、王安博士,深圳大學蔣浩宇教授,以及人工智能海洋學研究組的王浩宇、穆珊珊、李曉龍、楊藝、王彥俊、任沂斌、張旭東、劉穎潔、王充。研究得到國家自然科學基金創(chuàng)新研究群體項目與中國科學院戰(zhàn)略性先導科技專項等支持。
文章信息:
Li, X.*, Xu, Q., Wang, H., Jiang, H., Yin, X., Mu, S., Li, X., Su, H., Wang, A., Yang, Y., Wang, Y., Ren, Y., Zhang, X., Liu, Y., Wang, C. AI in Satellite Remote Sensing of the Ocean. Proceedings of the IEEE. 2026, DOI: 10.1109/JPROC.2026.3664121
附件下載:
魯公網(wǎng)安備37020202001323號 | 古鎮(zhèn)口園區(qū)地址:青島市西海岸新區(qū)海軍路88號 南海路園區(qū)地址:青島市市南區(qū)南海路7號 科考船碼頭基地:青島市西海岸新區(qū)長江東路8號 |
郵編:266000 郵件:iocas@qdio.ac.cn 電話:0532-82898611 傳真:0532-82898612 |
