基于Mask R-CNN 的海洋锋自动识别方法

来源：海洋技术学报杂志2025年第04期北京时间：

作者：苏里阳,张雨杭,夏江敏,牛原

单位：单位苏里阳1，张雨杭1，夏江敏1，牛原2（1. 91550 部队,辽宁 大连 116021；2. 天津大学海洋科学与技术学院,天津 300072）

摘要：海洋锋作为大气与海洋相互作用的重要界面，其精确识别对提升气象预报精度、优化海洋生态系统管理及深化全球气候变化研究具有重要意义。传统基于梯度阈值的海洋锋检测方法因阈值选择与判别标准的不一致，导致识别精度较低。为此，本文提出了一种基于掩模区域的卷积神经网络（Mask Region-based Convolutional Neural Network，Mask R-CNN） 的海洋锋自动识别方法，利用1993—2020 年长时间序列的海表温度数据，实现海洋锋的自动检测与特征提取。对比分析结果表明：相较于传统梯度阈值法，该方法的整体检测精度平均超过90%，在海洋锋的宽度与强度提取上误差更小，可识别出更多海洋锋特征，对小尺度特征的识别效果更加显著。本文研究成果有助于深化对气候与天气变化的理解，从而提升对极端天气事件及全球气候变化的响应能力。

关键词：Mask R-CNN；海洋锋；深度学习；目标识别