Res-U-Net 海洋锋识别网络

细尺度锋面识别提升

引入残差块加深网络以缓解梯度退化，对精细海洋锋的识别能力远超传统 U-Net。

Yi, Wang · 张殿君 · 张学峰

IEEE Transactions on Geoscience and Remote Sensing 2025

参数信息

整体海洋锋识别准确率提升

14 %

精细尺度海洋锋识别准确率提升

~67 %

技术优势

小锋面也能认

对 U-Net 难以识别的精细尺度海洋锋，识别准确率提升约 67%，能捕捉更细微的锋面细节。

训练能加深

残差块改善了深层网络的特征提取和梯度流动，解决了梯度爆炸导致的退化问题，使更深的网络架构成为可能。

跨海区更稳

长期 SST 数据（1981–2022）训练的策略显著提升了多变海洋条件下的识别准确率和泛化能力，适应性更强。

应用场景

• 海洋遥感应用：从遥感 SST 数据中自动提取锋面位置，替代人工目视解译。
• 海洋动力过程监测：长期监测海洋锋的动态变化，支持对海洋动力过程的分析。
• 渔场分析：识别高生产力锋面区域，辅助渔场分析和资源管理。
• 卫星数据处理：高效处理大范围卫星 SST 数据，提升锋面识别流程的自动化水平。