近日，中国科学院海洋研究所人工智能海洋学研究组结合中国海洋年夜学、福州年夜学、深圳年夜学等相干单元，体系总结了最近几年来人工智能于海洋卫星遥感中的要害进展并论述将来成长标的目的。相干论文发表于《IEEE会刊》。
海洋不雅测数据是熟悉海洋历程与天气变化的基础。卫星遥感可以或许提供年夜规模、永劫间序列、持续的海洋不雅测，但跟着多源卫星数据快速增加，数据缺测、繁杂情况滋扰以和传统反演要领于非线性与极度前提下的局限性日趋凸显。
最近几年来，人工智能作为一种高效可行的技能线路，为晋升海洋遥感信息提取能力、加强繁杂场景鲁棒性提供了新的解决方案。
该综述缭绕海洋卫星遥感中的人工智能技能成长，聚焦三年夜焦点运用标的目的：海洋参数反演、海洋数据重修、海洋征象辨认，并从建模要领、运用场景与将来趋向等维度举行了体系梳理。
于参数反演方面，本文综述了卷积神经收集等模子于波浪、盐度、风场和水色参数中的运用，夸大其于极度或者噪声前提下晋升精度与不变性的潜力。
于数据重构方面，人工智能驱动的补全与重构技能于时空分辩率和物理一致性上优在传统插值，为海洋三维海洋和生物地球化学要素的持续监测提供支撑。
于海洋征象辨认方面，深度进修架构已经广泛用在冰涡、内波、中标准涡与热带气旋等动态征象的检测与支解，实现了更高效率与更邃密的主动化解译。
论文进一步会商指出，人工智能海洋遥感只管进展迅速，但于可反复、可迁徙及营业运用上仍有较着短板，重要表现于五个方面：极度场景数据稀缺与样本不服衡，跨传感器、跨区域偏移致使泛化不足，不确定性量化与可注释性短缺，多传感器、多模态交融于异质与不匹配前提下仍难落地，以和面向营业的低延迟、可追溯验证与部署约束。
中国科学院海洋研究所研究员李晓峰指出，缭绕这些问题，团队提出五个将来标的目的：面向亚千米邃密标准的交融重构；推进物理约束与AI交融并引入一致性查验；构建面向海洋遥感的基础模子；成立不确定性量化及可注释性框架；成长压缩蒸馏、硬件感知练习与轻量化等技能支撑近及时/星上运用。
该研究获得国度天然科学基金立异研究群体项目与中国科学院战略性先导科技专项等撑持。
相干论文信息：https://doi.org/10.1109/JPROC.2026.3664121
版权声明：凡本网注明“来历：中国科学报、科学网、科学新闻杂志”的所有作品，网站转载，请于正文上方注明来历及作者，且不患上对于内容作本色性改动；微信公家号、头条号等新媒体平台，转载请接洽授权。邮箱：shouquan@stimes.cn。-bevictor伟德官网
