海洋水色遥感机器学习模型应用现状及定标与真实性检验AI模型展望

P731; 海洋水色遥感技术是观测海洋水色状况的高效工具,数十年来持续提供了全球海洋光学特性、水色和生物地球化学参数的重要数据.随着人工智能的快速发展,基于机器学习模型的水色遥感研究逐渐成为科研领域的新热点.本文回顾了海洋水色遥感中机器学习模型的现状与挑战,并评估了这些模型在大气校正、水色反演、碳循环及数据重构中的应用效果.本文重点综述了机器学习在海洋水色遥感应用中的进展.鉴于卫星传感器长期在轨运行中,可能遭受元器件老化等问题,本文强调了对遥感器进行持续定标和真实性检验的必要性.这些检验工作是确保卫星遥感数据质量的基础,对于卫星遥感应用至关重要.因此,本文还展望了未来在水色遥感定标与真实性检验...

Full description

Saved in:
Bibliographic Details
Published inOceanologia et limnologia Sinica Vol. 56; no. 1; pp. 3 - 24
Main Authors 陈鹏, 厉运周, 赵志刚, 张思琪, 张镇华, 王军成, 潘德炉
Format Journal Article
LanguageChinese
Published 自然资源部第二海洋研究所 浙江 杭州 310012%齐鲁工业大学(山东省科学院) 山东青岛 266061 01.06.2025
崂山实验室 山东青岛 266237%齐鲁工业大学(山东省科学院) 山东青岛 266061
齐鲁工业大学(山东省科学院) 山东青岛 266061
Science Press
Subjects
大模型
大气校正
机器学习
水色遥感
真实性检验
辐射定标
水色遥感
机器学习
辐射定标
大气校正
radiometric calibration
真实性检验
大模型
ocean color remote sensing
machine learning
atmospheric correction
validation
large models
Online AccessGet full text
ISSN0029-814X
DOI10.11693/hyhz20240800178

Cover

More Information
Summary:P731; 海洋水色遥感技术是观测海洋水色状况的高效工具,数十年来持续提供了全球海洋光学特性、水色和生物地球化学参数的重要数据.随着人工智能的快速发展,基于机器学习模型的水色遥感研究逐渐成为科研领域的新热点.本文回顾了海洋水色遥感中机器学习模型的现状与挑战,并评估了这些模型在大气校正、水色反演、碳循环及数据重构中的应用效果.本文重点综述了机器学习在海洋水色遥感应用中的进展.鉴于卫星传感器长期在轨运行中,可能遭受元器件老化等问题,本文强调了对遥感器进行持续定标和真实性检验的必要性.这些检验工作是确保卫星遥感数据质量的基础,对于卫星遥感应用至关重要.因此,本文还展望了未来在水色遥感定标与真实性检验中,人工智能大模型的发展前景.
ISSN:0029-814X
DOI:10.11693/hyhz20240800178