近日，中国科学院海洋研究所李晓峰研究员团队基于全球卫星观测与实测资料，构建了基于深度学习的海洋水色基础模型（Ocean Color Foundation Model，OCFM），实现了多种海洋水色参数的反演与精确估计。相关成果近日发表于地球科学和遥感领域期刊IEEE Transactions on Geoscience and Remote Sensing（SCI一区，影响因子8.8）。
现有的海洋水色反演方法大多针对单一或少数变量，难以满足对多变量和长期序列的研究需求。同时，随着全球卫星观测资料的快速增长，区域实测数据仍然有限，在更大范围内实现高精度、多参数的反演仍是一个关键挑战。
本研究按照三个阶段构建了通用的深度学习水色参数反演模型OCFM：第一阶段，利用NASA等机构的大量卫星产品进行预训练，使模型学习水色反演的基本特征；第二阶段，结合全球范围的实测数据进行微调，提升模型精度并接近真实的海洋状态；第三阶段，模型应用到新的水色变量，验证模型对新水色变量反演的扩展能力。
研究结果显示，OCFM 不仅能够同时反演吸收系数、后向散射系数、总叶绿素 a、悬浮物浓度等多种海洋水色和生态变量，还具备轻量化运行的优势。凭借对水色参数的通用表征能力，模型在数据较少的情况下依然保持较高反演精度，展现出良好的适应性和应用潜力，为大规模、长期序列的海洋环境监测提供了有效工具。
论文第一作者为中国科学院海洋研究所博士研究生杨艺，通讯作者为李晓峰研究员，合作者还包括王浩宇博士后。该研究得到了国家自然科学基金、中国科学院战略性先导科技专项等项目的支持。
论文信息：
Y. Yang, H. Wang and X. Li*, "Deep Learning for Enhanced Ocean Color Remote Sensing: A Foundation Model Approach," in IEEE Transactions on Geoscience and Remote Sensing, doi: 10.1109/TGRS.2025.3600411.
