研究方法流程

近日，中科院西安光機所在智能光譜環(huán)境感知領(lǐng)域取得重要進展，相關(guān)研究成果發(fā)表于環(huán)境科學(xué)領(lǐng)域頂級期刊Environmental Science & Technology(Nature Index 收錄，5-Year IF: 11.7)，并入選封面論文。論文第一作者為劉嘉誠，通信作者為于濤和胡炳樑，西安光機所是第一完成單位和通信單位。這是西安光機所首次在該期刊發(fā)表文章，標(biāo)志著研究所在智能光譜環(huán)境感知領(lǐng)域的研究在國際學(xué)術(shù)領(lǐng)域取得了新突破。

光譜學(xué)是一門主要涉及物理學(xué)及化學(xué)的重要交叉學(xué)科，通過光譜來研究電磁波與物質(zhì)之間的相互作用。探測水體的吸收光譜可反映水分子對特定波長光的吸收特性，進而定量反演水環(huán)境質(zhì)量參數(shù)。復(fù)雜的水體背景干擾給高精度的定量反演帶來了極大挑戰(zhàn)，現(xiàn)有研究主要依賴數(shù)據(jù)驅(qū)動的機器學(xué)習(xí)模型進行水質(zhì)參數(shù)定量反演，難以適應(yīng)廣域地理分布的復(fù)雜地表水場景。

針對上述挑戰(zhàn)，研究團隊首次引入Transformer架構(gòu)進行光譜定量反演水質(zhì)參數(shù)，并提出理化驅(qū)動學(xué)習(xí) (Physicochemical-Informed Learning) 概念，構(gòu)建理化驅(qū)動Transformer的定量反演模型。該方法將先驗理化信息嵌入光譜編碼過程中，并結(jié)合Transformer架構(gòu)的全局特征提取能力，以提升復(fù)雜地表水體光譜定量反演的精度。結(jié)果表明，該方法在廣域地理分布的復(fù)雜地表水場景下表現(xiàn)出優(yōu)異的水質(zhì)參數(shù)反演能力，為智能光譜技術(shù)在環(huán)境領(lǐng)域中的應(yīng)用提供了新的理論基礎(chǔ)和技術(shù)路徑。

胡炳樑、于濤團隊在高分辨率高光譜成像遙感、精細(xì)光譜探測與計量分析等方面開展了長期的研究工作。該項研究是團隊對標(biāo)國家推進“美麗中國”建設(shè)所取得的重要成果，也是國際學(xué)術(shù)界對西安光機所在智能光譜環(huán)境感知領(lǐng)域成果的高度認(rèn)可，更是西安光機所聚焦光譜成像與精細(xì)光譜探測技術(shù)主責(zé)主業(yè)取得的重要進展。研究工作得到了國家重點研發(fā)計劃，中國科學(xué)院先導(dǎo)專項(A類)等項目的支持。

審核編輯 黃宇