英国威廉希尔公司：一种融合空间-频率域特征的海洋锋面自适应方法

报告人：高乐研究员

报告题目：一种融合空间-频率域特征的海洋锋面自适应方法

报告时间：2026年5月26日（周二）15：30-17：30

报告地点：D2-220

欢迎英国威廉希尔公司的师生前来听讲！

报告内容简介：海洋锋面是不同水团、物理环境和生物地球化学过程交汇形成的“海上边界线”，常表现为海表温度、叶绿素、盐度等要素的快速变化。锋面不仅影响上层海洋混合、营养盐输运和浮游植物生长，也是渔业资源聚集、生态热点形成和海洋动力过程诊断的重要区域。海洋锋面在不同海区、季节和观测变量之间差异显著。传统梯度阈值法和直方图方法往往依赖人工参数选择，容易出现漏检、过检或多解问题；已有深度学习方法通常需要大量高质量标注样本，且在不同卫星产品、空间分辨率和海洋变量之间泛化能力不足。同时，卫星遥感资料还受到云、气溶胶、传感器噪声、插值误差和尺度不匹配等因素影响，可能削弱真实锋面信号，或在低信噪比海区产生伪锋面。针对上述难题，研究团队构建了“空间频率融合—不确定性感知—自监督判别”的智能识别框架。模型以海表温度或叶绿素a等海洋示踪场为输入，通过空间分支提取局地梯度、边界连续性和多尺度纹理信息，通过频率分支增强对快速变化、细丝结构和弱锋面的感知能力；同时引入卫星产品逐像元不确定性，构建物理置信度权重，使模型在高可信区域更敏感，在高误差区域更保守，从而降低噪声和资料误差对锋面识别结果的影响。

报告人简介：高乐，中科院海洋所研究员，长期从事卫星遥感海洋目标探测、分析及预报的研究，相关成果发表于 RSE、ESSD、IEEE TGRS、IEEE JSTARS、NSR 等期刊，担任《海洋学报》中英文版青年编委。近年承担或参与国家自然科学基金、中科院先导专项、国家重点研发计划等项目，在黄海绿潮和海洋锋面探测与分析、中小尺度过程对环境因子的响应及人工智能海洋灾害预测等方面取得多项创新成果，改进和验证了融合图像纹理、注意力机制及物理约束的深度学习模型在海洋遥感中的显著优势。