近日，中國科學院海洋研究所人工智能海洋學研究組在海洋鋒面智能識別方面取得新進展，研究團隊提出了一種融合空間–頻率特征與衛星產品不確定性信息的自適應鋒面檢測框架，并應用于長期多源衛星海表溫度和葉綠素a數據，形成全球逐日溫度鋒面和葉綠素鋒面識別結果，為海洋動力過程、生態系統響應和氣候變化研究提供了新的數據基礎與智能分析工具。相關研究成果發表于國際遙感領域期刊Remote Sensing of Environment（IF=11.4）。

海洋鋒面是不同水團、物理環境和生物地球化學過程交匯形成的“海上邊界線”，常表現為海表溫度、葉綠素、鹽度等要素的快速變化。鋒面不僅影響上層海洋混合、營養鹽輸運和浮游植物生長，也是漁業資源聚集、生態熱點形成和海洋動力過程診斷的重要區域。長期、連續、精細地識別海洋鋒面，對于理解海洋物質能量交換、評估生態環境變化和支撐海洋資源管理具有重要意義。

然而，海洋鋒面在不同海區、季節和觀測變量之間差異顯著。傳統梯度閾值法和直方圖方法往往依賴人工參數選擇，容易出現漏檢、過檢或多解問題；已有深度學習方法通常需要大量高質量標注樣本，且在不同衛星產品、空間分辨率和海洋變量之間泛化能力不足。同時，衛星遙感資料還受到云、氣溶膠、傳感器噪聲、插值誤差和尺度不匹配等因素影響，可能削弱真實鋒面信號，或在低信噪比海區產生偽鋒面。針對上述難題，研究團隊構建了“空間頻率融合—不確定性感知—自監督判別”的智能識別框架。模型以海表溫度或葉綠素a等海洋示蹤場為輸入，通過空間分支提取局地梯度、邊界連續性和多尺度紋理信息，通過頻率分支增強對快速變化、細絲結構和弱鋒面的感知能力；同時引入衛星產品逐像元不確定性，構建物理置信度權重，使模型在高可信區域更敏感，在高誤差區域更保守，從而降低噪聲和資料誤差對鋒面識別結果的影響。

與傳統方法不同，該框架不依賴人工標注樣本進行訓練，也不需要為不同海區和不同變量預設固定閾值。模型通過自監督學習自動優化逐像元動態閾值，使鋒面判別能夠隨區域背景梯度、海洋動力環境和觀測可靠性自適應變化。最終輸出不僅包括鋒面位置，還包括鋒面強度和鋒面不確定性，為氣候診斷、模式評估和生態過程分析提供了更具可解釋性和可信度的結果。驗證結果表明，該方法在熱力鋒面和葉綠素鋒面識別中均表現出較高精度和魯棒性。基于人工標注樣本的評估顯示，模型在熱力鋒面識別中達到 99.88% 的準確率、98.43% 的精確率、98.59% 的召回率和 97.06% 的 IoU；在葉綠素鋒面識別中達到 98.73% 的準確率、94.40% 的精確率、98.27% 的召回率和 92.87% 的 IoU，整體優于 U-Net、SegNet、DeepLabv3 和 FastFCN 等典型深度學習分割模型。與船載走航觀測對比時，該方法在赤道太平洋達到 79.79% 的總體命中率，并在強、中、弱鋒面類別上均保持穩定識別能力，說明其在低信噪比和弱梯度海區仍具有較好可靠性。

圖1 自適應海洋鋒面檢測模型框架。模型融合空間域、頻率域與物理置信度信息，實現無人工閾值、可泛化的鋒面識別

在全球應用方面，研究團隊利用 CMEMS ESA SST CCI/C3S 再處理海表溫度產品和 CMEMS GlobColour 葉綠素a產品，生成了 1981~2022 年、0.05° 分辨率的全球逐日熱力鋒面結果，以及 1997~2022 年、4 km 分辨率的全球逐日葉綠素鋒面結果，包含鋒面位置、鋒面強度和不確定性信息，可支持從天氣尺度到年代際尺度的多尺度分析。全球分布結果顯示，熱力鋒面和葉綠素鋒面在黑潮–親潮延伸體、灣流、南大洋繞極流、上升流區和西邊界流區域表現突出，但兩類鋒面并不總是同步變化。在中高緯度海區，熱力鋒面和生態鋒面往往具有較強空間對應關系；而在低緯度海區，熱力結構、營養鹽供應、混合層深度和光學環境共同調控葉綠素鋒面，使熱力鋒面與葉綠素鋒面可能出現明顯空間錯位。這表明，聯合識別多示蹤變量鋒面能夠更全面地揭示海洋動力—生態耦合過程。

研究進一步以東太平洋赤道海區為典型案例，分析熱力鋒面和葉綠素鋒面對熱帶不穩定波、赤道葉綠素富集帶和 ENSO 事件的響應。結果顯示，熱力鋒面主要沿赤道冷舌和熱帶不穩定波結構分布，而葉綠素鋒面更多環繞赤道葉綠素富集帶邊緣；在拉尼娜期間，增強的信風、南赤道流和上升流共同強化冷水和營養鹽輸送，使兩類鋒面更加明顯；在厄爾尼諾期間，信風減弱、上升流受抑，冷水和營養鹽補給下降，兩類鋒面均出現削弱。這說明鋒面不僅是海洋表層結構的“邊界”，也是連接海氣相互作用、海洋動力過程和生態響應的重要指示器。

該研究將傳統“看溫度圖、看葉綠素圖”的遙感分析進一步推進到“識別海洋動力與生態界面”的智能制圖階段。所提出的自適應方法不僅適用于海表溫度和葉綠素a，也可拓展到鹽度、懸浮泥沙、營養鹽、數值模式輸出等多種海洋示蹤變量，為全球海洋鋒面監測、生態熱點識別、漁業資源評估、氣候變化診斷和海洋模式驗證提供了可復用的方法框架。

圖2 基于自適應方法提取的全球熱力鋒面和葉綠素鋒面，結果展示了全球鋒面發生頻率、鋒面強度

論文代碼、預訓練權重和示例產品已開放共享，有助于推動海洋遙感鋒面識別方法的復現、對比和拓展應用。論文第一作者為中國科學院海洋研究所高樂研究員，通訊作者為李曉峰研究員，楊藝、劉楠和王夢嬌等研究生為共同作者。

論文信息：

Gao, L., Yang, Y., Liu, N., Wang, M., & Li, X*. (2026). An adaptive method for ocean front detection using spatial–frequency fusion and uncertainty-aware attention. Remote Sensing of Environment, 342, 115483.

https://doi.org/10.1016/j.rse.2026.115483

數據集鏈接：

http://dx.doi.org/10.12157/IOCAS.20251009.001

http://dx.doi.org/10.12157/IOCAS.20251009.002

• 信息來源：中國科學院海洋所。

  轉載請注明信息來源及海洋知圈編排。