海洋AI監測如何破解“看不清、算得慢”難題？
??【谷騰環保網訊】一段時間以來，國家海洋環境監測中心（以下簡稱海洋中心）著力打造“海洋生態環境遙感”管理平臺。作為AI自動化監測在海洋生態環境監管的一項創新性實踐。平臺通過海量遙感數據自動處理、深度強化學習實時分析、監測數據智能化精準管理，致力于為海洋生態環境保護提供科學精準決策支持。
海洋中心遙感技術室主任陳艷攏表示，團隊目前在AI賦能海洋環境遙感監測方面開展了一系列探索，在海灘垃圾解譯、入海河流水質監測、典型生態系統變化監測、入海排污口識別及溫排水監測等方面取得了階段性進展。
有效節省傳統監測人力成本
當前，AI技術賦能海洋生態環境監測，打破了傳統海洋遙感監測面臨的“數據量大但解析慢”的困境。
塑料垃圾入海途徑不清、實地監測精度低和陸海統籌阻控難等問題，一直是海灘垃圾監測的重點難點。在過去，為常態化監測海灘垃圾數量和分布情況，監測人員需要將遙感影像制作成無人機影像，且分辨率應優于0.01米分辨率。
“影像制作的數據量大，人工解譯時間長。以某處海灣為例，人工解譯海灘垃圾影像需要2—3天時間，占用了很大的人力成本。”高級工程師王飛介紹，為此，海洋中心構建了多維度特征分析模型，成功將解譯時間壓縮到3小時以內，平均解譯精度達75%，部分岸段精準度突破90%。
助力提升遙感技術自動化水平
近日，海洋中心工作人員向“生態監管小助手”平臺上傳了一張衛星遙感圖像，并要求標記出進水口和排水口，平臺立刻根據圖像特征給予反饋，不僅標出了進、排水口的位置，還提示周邊有養殖設施，需要注意溫排水擴散可能對當地海洋生態系統的影響。
“以前，溫排水監測只能依賴人工識別，前期通過衛星遙感圖像進行標記，然后還要前往現場進行核實。而現在，借助AI技術，利用熱紅外遙感數據捕捉海表溫度異常區域，結合流體擴散模型，就可以反推出排水口位置了。”孫圳博士說。
在識別近岸海域排水口的基礎上，海洋中心構建了涵蓋沿海一百余座核/火電廠排水口地理坐標、機組數量以及其所屬企業的知識庫，通過AI技術成功解析溫排水遙感監測技術規范要求，生成遙感數據預處理、海溫反演、溫升計算及制圖的流程化處理代碼。
AI技術不僅給海洋遙感技術裝上了“高倍顯微鏡”，讓海洋監測“看得更清晰”，還進一步提高了海洋遙感技術的自動化水平，精準識別水體中的水質參數。
徐京萍研究員介紹，海洋水色遙感是通過衛星傳感器獲取海洋表面反射光譜信息，進而反演出海洋水體的各種物理、化學和生物參數，如葉綠素濃度、懸浮顆粒物濃度等。
“傳統水色參數反演方法存在一定的局限性，例如對復雜水體的適應性較差、反演精度有待提高等。而AI技術的引入，為解決這些問題提供了新的路徑。”徐京萍說。
近年來，海洋中心成功構建了精準高效的水質反演模型，開展了入海河流總氮含量的精準監測以及三大重點海域營養鹽的估算、水質分類評價等工作，為入海河流水質監測以及全國近岸海域水質形勢分析研判提供了有力的技術支撐。
探索從“事后監管”到“事前預警”
AI技術與衛星遙感數據的深度融合，正在逐漸改變海洋生態系統的監管模式，實現從“被動響應”到“主動預警”的飛躍。
“在青島東部海域‘宏浦6’輪爆炸沉船事件中，我們基于多源遙感數據的立體監測網絡，研發了相關深度學習模型，結合智能算法動態識別海面油膜，及時預測溢油軌跡，為相關部門提供了重要的實時數據支持。”陳艷攏說。
借助AI技術不僅提升了海上溢油突發環境應急事件的響應效率和識別精度，還探索出從“事后追溯”到“事前預警”的海洋生態環境監管新模式。
為應對近岸海域黃海滸苔等海洋藻類災害，海洋中心對知識庫投喂包括海洋生態系統健康狀況、混生植被、潮汐變化、生命周期、突發事件、關聯性人類活動等在內的多場景數據，實現了海岸帶植被生態系統自然擾動破壞的早發現早預警，人為破壞活動的早期預警和風險評估。
“傳統監測只能依賴經驗去辨別受損范圍邊界，對自然擾動或人為干擾導致的海洋生態系統受損情況只能‘后知后覺’”。陳艷攏介紹，如今，藻類災害遙感監測預警系統可以利用AI技術高效處理和分析衛星遙感圖像，自動檢測葉綠素a異常，計算赤潮指數、植被指數等，快速識別出赤潮或滸苔區域。
陳艷攏坦言，在實際應用過程中，AI算法因精準度不夠，無法對相關信息進行智能篩查，仍需要人工核查校正。未來，將進一步挖掘AI技術在海洋環境監測領域的應用需求，提高海洋生態環境監測數據時效和監測質控技術水平，加快推進國家海洋生態環境監測網絡數智化轉型。
使用微信“掃一掃”功能添加“谷騰環保網”
