近日，中科院海洋所李曉峰研究團(tuán)隊(duì)基于哨兵一號(hào)衛(wèi)星圖像建立了人工智能模型，提高了滸苔提取的精度，并使用該模型提取了2019-2021年黃海綠潮的時(shí)間序列，發(fā)現(xiàn)2019年綠潮覆蓋面積更大，爆發(fā)時(shí)間更長(zhǎng)，而2021年綠潮對(duì)山東半島南岸的影響更大。相關(guān)成果近日發(fā)表于地球科學(xué)和遙感領(lǐng)域Top期刊IEEE Transactions on Geoscience and Remote Sensing (影響因子8.125)。
黃海綠潮自2007年爆發(fā)以來(lái)持續(xù)吸引相關(guān)研究者的關(guān)注。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于衛(wèi)星影像的滸苔提取方法逐漸從閾值分割向語(yǔ)義分割過(guò)渡。不同于以往僅依賴于后向散射信息的數(shù)據(jù)驅(qū)動(dòng)方式，李曉峰研究團(tuán)隊(duì)綜合考慮滸苔的成像特點(diǎn)，使用衛(wèi)星影像的后向散射及紋理特征，基于代表性語(yǔ)義分割模型U-Net構(gòu)建了滸苔提取模型GA-Net (圖1)。實(shí)驗(yàn)結(jié)果表明，該模型能有效提取不同場(chǎng)景下的滸苔信息，提高了滸苔邊緣的提取精度 (圖2)。
圖1. 深度學(xué)習(xí)滸苔提取模型結(jié)構(gòu)圖
圖2. 模型在不同場(chǎng)景下的滸苔提取能力。圖(a)橙色/綠色/黃色框?yàn)榻?低滸苔聚集度/高滸苔聚集度區(qū)域，對(duì)應(yīng)圖(b-f)/(g-k)/(l-p)
論文作者為中科院海洋所環(huán)流室碩士研究生郭媛（第一作者）、李曉峰研究員（通訊作者）、高樂副研究員，研究得到了基金委重大項(xiàng)目、中國(guó)科學(xué)院戰(zhàn)略性先導(dǎo)科技專項(xiàng)等項(xiàng)目的聯(lián)合資助。
論文信息：
Yuan Guo, Le Gao, Xiaofeng Li*, A deep learning model for green algae detection on SAR images, IEEE Transactions on Geoscience and Remote Sensing, 2022, doi: 10.1109/TGRS.2022.3215895.
https://ieeexplore.ieee.org/document/9924230
