海洋所提出不確定性感知的自適應(yīng)海洋鋒面識別方法
近日,中國科學院海洋研究所人工智能海洋學研究組在海洋鋒面智能識別方面取得新進展,研究團隊提出了一種融合空間–頻率特征與衛(wèi)星產(chǎn)品不確定性信息的自適應(yīng)鋒面檢測框架,并應(yīng)用于長期多源衛(wèi)星海表溫度和葉綠素a數(shù)據(jù),形成全球逐日溫度鋒面和葉綠素鋒面識別結(jié)果,為海洋動力過程、生態(tài)系統(tǒng)響應(yīng)和氣候變化研究提供了新的數(shù)據(jù)基礎(chǔ)與智能分析工具。相關(guān)研究成果發(fā)表于國際遙感領(lǐng)域期刊 Remote Sensing of Environment(IF=11.4)。
海洋鋒面是不同水團、物理環(huán)境和生物地球化學過程交匯形成的“海上邊界線”,常表現(xiàn)為海表溫度、葉綠素、鹽度等要素的快速變化。鋒面不僅影響上層海洋混合、營養(yǎng)鹽輸運和浮游植物生長,也是漁業(yè)資源聚集、生態(tài)熱點形成和海洋動力過程診斷的重要區(qū)域。長期、連續(xù)、精細地識別海洋鋒面,對于理解海洋物質(zhì)能量交換、評估生態(tài)環(huán)境變化和支撐海洋資源管理具有重要意義。
然而,海洋鋒面在不同海區(qū)、季節(jié)和觀測變量之間差異顯著。傳統(tǒng)梯度閾值法和直方圖方法往往依賴人工參數(shù)選擇,容易出現(xiàn)漏檢、過檢或多解問題;已有深度學習方法通常需要大量高質(zhì)量標注樣本,且在不同衛(wèi)星產(chǎn)品、空間分辨率和海洋變量之間泛化能力不足。同時,衛(wèi)星遙感資料還受到云、氣溶膠、傳感器噪聲、插值誤差和尺度不匹配等因素影響,可能削弱真實鋒面信號,或在低信噪比海區(qū)產(chǎn)生偽鋒面。針對上述難題,研究團隊構(gòu)建了“空間頻率融合—不確定性感知—自監(jiān)督判別”的智能識別框架。模型以海表溫度或葉綠素a等海洋示蹤場為輸入,通過空間分支提取局地梯度、邊界連續(xù)性和多尺度紋理信息,通過頻率分支增強對快速變化、細絲結(jié)構(gòu)和弱鋒面的感知能力;同時引入衛(wèi)星產(chǎn)品逐像元不確定性,構(gòu)建物理置信度權(quán)重,使模型在高可信區(qū)域更敏感,在高誤差區(qū)域更保守,從而降低噪聲和資料誤差對鋒面識別結(jié)果的影響。
與傳統(tǒng)方法不同,該框架不依賴人工標注樣本進行訓練,也不需要為不同海區(qū)和不同變量預設(shè)固定閾值。模型通過自監(jiān)督學習自動優(yōu)化逐像元動態(tài)閾值,使鋒面判別能夠隨區(qū)域背景梯度、海洋動力環(huán)境和觀測可靠性自適應(yīng)變化。最終輸出不僅包括鋒面位置,還包括鋒面強度和鋒面不確定性,為氣候診斷、模式評估和生態(tài)過程分析提供了更具可解釋性和可信度的結(jié)果。驗證結(jié)果表明,該方法在熱力鋒面和葉綠素鋒面識別中均表現(xiàn)出較高精度和魯棒性。基于人工標注樣本的評估顯示,模型在熱力鋒面識別中達到 99.88% 的準確率、98.43% 的精確率、98.59% 的召回率和 97.06% 的 IoU;在葉綠素鋒面識別中達到 98.73% 的準確率、94.40% 的精確率、98.27% 的召回率和 92.87% 的 IoU,整體優(yōu)于 U-Net、SegNet、DeepLabv3 和 FastFCN 等典型深度學習分割模型。與船載走航觀測對比時,該方法在赤道太平洋達到 79.79% 的總體命中率,并在強、中、弱鋒面類別上均保持穩(wěn)定識別能力,說明其在低信噪比和弱梯度海區(qū)仍具有較好可靠性。

圖1 自適應(yīng)海洋鋒面檢測模型框架。模型融合空間域、頻率域與物理置信度信息,實現(xiàn)無人工閾值、可泛化的鋒面識別
在全球應(yīng)用方面,研究團隊利用 CMEMS ESA SST CCI/C3S 再處理海表溫度產(chǎn)品和 CMEMS GlobColour 葉綠素a產(chǎn)品,生成了 1981~2022 年、0.05° 分辨率的全球逐日熱力鋒面結(jié)果,以及 1997~2022 年、4 km 分辨率的全球逐日葉綠素鋒面結(jié)果,包含鋒面位置、鋒面強度和不確定性信息,可支持從天氣尺度到年代際尺度的多尺度分析。全球分布結(jié)果顯示,熱力鋒面和葉綠素鋒面在黑潮–親潮延伸體、灣流、南大洋繞極流、上升流區(qū)和西邊界流區(qū)域表現(xiàn)突出,但兩類鋒面并不總是同步變化。在中高緯度海區(qū),熱力鋒面和生態(tài)鋒面往往具有較強空間對應(yīng)關(guān)系;而在低緯度海區(qū),熱力結(jié)構(gòu)、營養(yǎng)鹽供應(yīng)、混合層深度和光學環(huán)境共同調(diào)控葉綠素鋒面,使熱力鋒面與葉綠素鋒面可能出現(xiàn)明顯空間錯位。這表明,聯(lián)合識別多示蹤變量鋒面能夠更全面地揭示海洋動力—生態(tài)耦合過程。
研究進一步以東太平洋赤道海區(qū)為典型案例,分析熱力鋒面和葉綠素鋒面對熱帶不穩(wěn)定波、赤道葉綠素富集帶和 ENSO 事件的響應(yīng)。結(jié)果顯示,熱力鋒面主要沿赤道冷舌和熱帶不穩(wěn)定波結(jié)構(gòu)分布,而葉綠素鋒面更多環(huán)繞赤道葉綠素富集帶邊緣;在拉尼娜期間,增強的信風、南赤道流和上升流共同強化冷水和營養(yǎng)鹽輸送,使兩類鋒面更加明顯;在厄爾尼諾期間,信風減弱、上升流受抑,冷水和營養(yǎng)鹽補給下降,兩類鋒面均出現(xiàn)削弱。這說明鋒面不僅是海洋表層結(jié)構(gòu)的“邊界”,也是連接海氣相互作用、海洋動力過程和生態(tài)響應(yīng)的重要指示器。
該研究將傳統(tǒng)“看溫度圖、看葉綠素圖”的遙感分析進一步推進到“識別海洋動力與生態(tài)界面”的智能制圖階段。所提出的自適應(yīng)方法不僅適用于海表溫度和葉綠素a,也可拓展到鹽度、懸浮泥沙、營養(yǎng)鹽、數(shù)值模式輸出等多種海洋示蹤變量,為全球海洋鋒面監(jiān)測、生態(tài)熱點識別、漁業(yè)資源評估、氣候變化診斷和海洋模式驗證提供了可復用的方法框架。

圖2 基于自適應(yīng)方法提取的全球熱力鋒面和葉綠素鋒面,結(jié)果展示了全球鋒面發(fā)生頻率、鋒面強度
論文代碼、預訓練權(quán)重和示例產(chǎn)品已開放共享,有助于推動海洋遙感鋒面識別方法的復現(xiàn)、對比和拓展應(yīng)用。論文第一作者為中國科學院海洋研究所高樂研究員,通訊作者為李曉峰研究員,楊藝、劉楠和王夢嬌等研究生為共同作者。
論文信息:
Gao, L., Yang, Y., Liu, N., Wang, M., & Li, X*. (2026). An adaptive method for ocean front detection using spatial–frequency fusion and uncertainty-aware attention. Remote Sensing of Environment, 342, 115483. https://doi.org/10.1016/j.rse.2026.115483
數(shù)據(jù)集鏈接:
http://dx.doi.org/10.12157/IOCAS.20251009.001
http://dx.doi.org/10.12157/IOCAS.20251009.002
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 |
