Mit dem Anstieg der Temperaturen und der Intensivierung der menschlichen Aktivitäten erleben die Ökosysteme von Seen erhebliche Veränderungen in Bezug auf Hydrologie, Thermodynamik und ökologisches Gleichgewicht und zeigen komplexe räumlich-zeitliche Reaktionsmuster. Die rasante Entwicklung von künstlicher Intelligenz wie Deep Learning hat die Rolle von Fernerkundungs-Big Data bei der Aufdeckung räumlich-zeitlicher Veränderungen von Seen maßgeblich gefördert. Basierend auf früheren Untersuchungen fasst dieser Artikel systematisch die neuesten Fortschritte auf dem Gebiet der Fernerkundung von Seen in das Zeitalter der künstlichen Intelligenz zusammen und zeigt das wachsende Interesse dieses Bereichs an umfassenden Reaktionen von Seen auf die Bedingungen des Klimawandels (insbesondere das vermehrte Auftreten von Hitzewellen und Extremwetterereignissen). Um den Herausforderungen der raschen räumlichen und zeitlichen Veränderungen der Ökosysteme von Seen zu begegnen, entwickeln sich die Mittel der Fernerkundung allmählich zu einem integrierten Modell der multiquellenbasierten Beobachtung aus virtuellen Satellitenkonsortien + integrierten Himmels- und Erde-Beobachtungssystemen, wodurch die Genauigkeit und der Umfang der dynamischen Überwachung von Seen auf mehreren Skalen und Dimensionen erheblich verbessert werden. Gleichzeitig entwickeln sich die Fernerkundungsmodelle allmählich von einem traditionellen empirisch/mechanischen Modell zu einem zweigleisigen Antriebsmechanismusmodell explizites mechanisches Modell + implizites maschinelles Lernen, wodurch die Fähigkeit zur Simulation und Vorhersage hydrologischer, thermodynamischer und biologischer Prozesse allmählich verbessert wird. Dieser Artikel untersucht auch die Integration von Fernerkundungs-Big Data und KI-Algorithmen in die Langzeitüberwachung und die Vorhersage zukünftiger Szenarien, was neue Möglichkeiten zur Erfassung der dynamischen Entwicklung von Seen unter komplexem Umweltdruck und zukünftigen Trends eröffnet.

Fernerkundung von Seen; künstliche Intelligenz; Klimawandel; algorithmische Modelle