??【谷騰環(huán)保網(wǎng)訊】一段時間以來，國家海洋環(huán)境監(jiān)測中心（以下簡稱海洋中心）著力打造“海洋生態(tài)環(huán)境遙感”管理平臺。作為AI自動化監(jiān)測在海洋生態(tài)環(huán)境監(jiān)管的一項創(chuàng)新性實踐。平臺通過海量遙感數(shù)據(jù)自動處理、深度強化學(xué)習(xí)實時分析、監(jiān)測數(shù)據(jù)智能化精準(zhǔn)管理，致力于為海洋生態(tài)環(huán)境保護提供科學(xué)精準(zhǔn)決策支持。

海洋中心遙感技術(shù)室主任陳艷攏表示，團隊目前在AI賦能海洋環(huán)境遙感監(jiān)測方面開展了一系列探索，在海灘垃圾解譯、入海河流水質(zhì)監(jiān)測、典型生態(tài)系統(tǒng)變化監(jiān)測、入海排污口識別及溫排水監(jiān)測等方面取得了階段性進展。

有效節(jié)省傳統(tǒng)監(jiān)測人力成本

當(dāng)前，AI技術(shù)賦能海洋生態(tài)環(huán)境監(jiān)測，打破了傳統(tǒng)海洋遙感監(jiān)測面臨的“數(shù)據(jù)量大但解析慢”的困境。

塑料垃圾入海途徑不清、實地監(jiān)測精度低和陸海統(tǒng)籌阻控難等問題，一直是海灘垃圾監(jiān)測的重點難點。在過去，為常態(tài)化監(jiān)測海灘垃圾數(shù)量和分布情況，監(jiān)測人員需要將遙感影像制作成無人機影像，且分辨率應(yīng)優(yōu)于0.01米分辨率。

“影像制作的數(shù)據(jù)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(gòu)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(nèi)，平均解譯精度達75%，部分岸段精準(zhǔn)度突破90%。

助力提升遙感技術(shù)自動化水平

近日，海洋中心工作人員向“生態(tài)監(jiān)管小助手”平臺上傳了一張衛(wèi)星遙感圖像，并要求標(biāo)記出進水口和排水口，平臺立刻根據(jù)圖像特征給予反饋，不僅標(biāo)出了進、排水口的位置，還提示周邊有養(yǎng)殖設(shè)施，需要注意溫排水?dāng)U散可能對當(dāng)?shù)睾Ｑ笊鷳B(tài)系統(tǒng)的影響。

“以前，溫排水監(jiān)測只能依賴人工識別，前期通過衛(wèi)星遙感圖像進行標(biāo)記，然后還要前往現(xiàn)場進行核實。而現(xiàn)在，借助AI技術(shù)，利用熱紅外遙感數(shù)據(jù)捕捉海表溫度異常區(qū)域，結(jié)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(chǔ)上，海洋中心構(gòu)建了涵蓋沿海一百余座核/火電廠排水口地理坐標(biāo)、機組數(shù)量以及其所屬企業(yè)的知識庫，通過AI技術(shù)成功解析溫排水遙感監(jiān)測技術(shù)規(guī)范要求，生成遙感數(shù)據(jù)預(yù)處理、海溫反演、溫升計算及制圖的流程化處理代碼。

AI技術(shù)不僅給海洋遙感技術(shù)裝上了“高倍顯微鏡”，讓海洋監(jiān)測“看得更清晰”，還進一步提高了海洋遙感技術(shù)的自動化水平，精準(zhǔn)識別水體中的水質(zhì)參數(shù)。

徐京萍研究員介紹，海洋水色遙感是通過衛(wèi)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(xué)和生物參數(shù)，如葉綠素濃度、懸浮顆粒物濃度等。

“傳統(tǒng)水色參數(shù)反演方法存在一定的局限性，例如對復(fù)雜水體的適應(yīng)性較差、反演精度有待提高等。而AI技術(shù)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(gòu)建了精準(zhǔn)高效的水質(zhì)反演模型，開展了入海河流總氮含量的精準(zhǔn)監(jiān)測以及三大重點海域營養(yǎng)鹽的估算、水質(zhì)分類評價等工作，為入海河流水質(zhì)監(jiān)測以及全國近岸海域水質(zhì)形勢分析研判提供了有力的技術(shù)支撐。

探索從“事后監(jiān)管”到“事前預(yù)警”

AI技術(shù)與衛(wèi)星遙感數(shù)據(jù)的深度融合，正在逐漸改變海洋生態(tài)系統(tǒng)的監(jiān)管模式，實現(xiàn)從“被動響應(yīng)”到“主動預(yù)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(shù)據(jù)的立體監(jiān)測網(wǎng)絡(luò)，研發(fā)了相關(guān)深度學(xué)習(xí)模型，結(jié)合智能算法動態(tài)識別海面油膜，及時預(yù)測溢油軌跡，為相關(guān)部門提供了重要的實時數(shù)據(jù)支持。”陳艷攏說。

借助AI技術(shù)不僅提升了海上溢油突發(fā)環(huán)境應(yīng)急事件的響應(yīng)效率和識別精度，還探索出從“事后追溯”到“事前預(yù)警”的海洋生態(tài)環(huán)境監(jiān)管新模式。

為應(yīng)對近岸海域黃海滸苔等海洋藻類災(zāi)害，海洋中心對知識庫投喂包括海洋生態(tài)系統(tǒng)健康狀況、混生植被、潮汐變化、生命周期、突發(fā)事件、關(guān)聯(lián)性人類活動等在內(nèi)的多場景數(shù)據(jù)，實現(xiàn)了海岸帶植被生態(tài)系統(tǒng)自然擾動破壞的早發(fā)現(xiàn)早預(yù)警，人為破壞活動的早期預(yù)警和風(fēng)險評估。

“傳統(tǒng)監(jiān)測只能依賴經(jīng)驗去辨別受損范圍邊界，對自然擾動或人為干擾導(dǎo)致的海洋生態(tài)系統(tǒng)受損情況只能‘后知后覺’”。陳艷攏介紹，如今，藻類災(zāi)害遙感監(jiān)測預(yù)警系統(tǒng)可以利用AI技術(shù)高效處理和分析衛(wèi)星遙感圖像，自動檢測葉綠素a異常，計算赤潮指數(shù)、植被指數(shù)等，快速識別出赤潮或滸苔區(qū)域。

陳艷攏坦言，在實際應(yīng)用過程中，AI算法因精準(zhǔn)度不夠，無法對相關(guān)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(shù)在海洋環(huán)境監(jiān)測領(lǐng)域的應(yīng)用需求，提高海洋生態(tài)環(huán)境監(jiān)測數(shù)據(jù)時效和監(jiān)測質(zhì)控技術(shù)水平，加快推進國家海洋生態(tài)環(huán)境監(jiān)測網(wǎng)絡(luò)數(shù)智化轉(zhuǎn)型。

  使用微信“掃一掃”功能添加“谷騰環(huán)保網(wǎng)”