海洋AI监测如何破解“看不清、算得慢”难题？
??【谷腾环保网讯】一段时间以来，国家海洋环境监测中心（以下简称海洋中心）着力打造“海洋生态环境遥感”管理平台。作为AI自动化监测在海洋生态环境监管的一项创新性实践。平台通过海量遥感数据自动处理、深度强化学习实时分析、监测数据智能化精准管理，致力于为海洋生态环境保护提供科学精准决策支持。
海洋中心遥感技术室主任陈艳拢表示，团队目前在AI赋能海洋环境遥感监测方面开展了一系列探索，在海滩垃圾解译、入海河流水质监测、典型生态系统变化监测、入海排污口识别及温排水监测等方面取得了阶段性进展。
有效节省传统监测人力成本
当前，AI技术赋能海洋生态环境监测，打破了传统海洋遥感监测面临的“数据量大但解析慢”的困境。
塑料垃圾入海途径不清、实地监测精度低和陆海统筹阻控难等问题，一直是海滩垃圾监测的重点难点。在过去，为常态化监测海滩垃圾数量和分布情况，监测人员需要将遥感影像制作成无人机影像，且分辨率应优于0.01米分辨率。
“影像制作的数据量大，人工解译时间长。以某处海湾为例，人工解译海滩垃圾影像需要2—3天时间，占用了很大的人力成本。”高级工程师王飞介绍，为此，海洋中心构建了多维度特征分析模型，成功将解译时间压缩到3小时以内，平均解译精度达75%，部分岸段精准度突破90%。
助力提升遥感技术自动化水平
近日，海洋中心工作人员向“生态监管小助手”平台上传了一张卫星遥感图像，并要求标记出进水口和排水口，平台立刻根据图像特征给予反馈，不仅标出了进、排水口的位置，还提示周边有养殖设施，需要注意温排水扩散可能对当地海洋生态系统的影响。
“以前，温排水监测只能依赖人工识别，前期通过卫星遥感图像进行标记，然后还要前往现场进行核实。而现在，借助AI技术，利用热红外遥感数据捕捉海表温度异常区域，结合流体扩散模型，就可以反推出排水口位置了。”孙圳博士说。
在识别近岸海域排水口的基础上，海洋中心构建了涵盖沿海一百余座核/火电厂排水口地理坐标、机组数量以及其所属企业的知识库，通过AI技术成功解析温排水遥感监测技术规范要求，生成遥感数据预处理、海温反演、温升计算及制图的流程化处理代码。
AI技术不仅给海洋遥感技术装上了“高倍显微镜”，让海洋监测“看得更清晰”，还进一步提高了海洋遥感技术的自动化水平，精准识别水体中的水质参数。
徐京萍研究员介绍，海洋水色遥感是通过卫星传感器获取海洋表面反射光谱信息，进而反演出海洋水体的各种物理、化学和生物参数，如叶绿素浓度、悬浮颗粒物浓度等。
“传统水色参数反演方法存在一定的局限性，例如对复杂水体的适应性较差、反演精度有待提高等。而AI技术的引入，为解决这些问题提供了新的路径。”徐京萍说。
近年来，海洋中心成功构建了精准高效的水质反演模型，开展了入海河流总氮含量的精准监测以及三大重点海域营养盐的估算、水质分类评价等工作，为入海河流水质监测以及全国近岸海域水质形势分析研判提供了有力的技术支撑。
探索从“事后监管”到“事前预警”
AI技术与卫星遥感数据的深度融合，正在逐渐改变海洋生态系统的监管模式，实现从“被动响应”到“主动预警”的飞跃。
“在青岛东部海域‘宏浦6’轮爆炸沉船事件中，我们基于多源遥感数据的立体监测网络，研发了相关深度学习模型，结合智能算法动态识别海面油膜，及时预测溢油轨迹，为相关部门提供了重要的实时数据支持。”陈艳拢说。
借助AI技术不仅提升了海上溢油突发环境应急事件的响应效率和识别精度，还探索出从“事后追溯”到“事前预警”的海洋生态环境监管新模式。
为应对近岸海域黄海浒苔等海洋藻类灾害，海洋中心对知识库投喂包括海洋生态系统健康状况、混生植被、潮汐变化、生命周期、突发事件、关联性人类活动等在内的多场景数据，实现了海岸带植被生态系统自然扰动破坏的早发现早预警，人为破坏活动的早期预警和风险评估。
“传统监测只能依赖经验去辨别受损范围边界，对自然扰动或人为干扰导致的海洋生态系统受损情况只能‘后知后觉’”。陈艳拢介绍，如今，藻类灾害遥感监测预警系统可以利用AI技术高效处理和分析卫星遥感图像，自动检测叶绿素a异常，计算赤潮指数、植被指数等，快速识别出赤潮或浒苔区域。
陈艳拢坦言，在实际应用过程中，AI算法因精准度不够，无法对相关信息进行智能筛查，仍需要人工核查校正。未来，将进一步挖掘AI技术在海洋环境监测领域的应用需求，提高海洋生态环境监测数据时效和监测质控技术水平，加快推进国家海洋生态环境监测网络数智化转型。
使用微信“扫一扫”功能添加“谷腾环保网”
