Mit dem Klimawandel und der Intensivierung der menschlichen Aktivitäten verändern sich die Ökosysteme der Seen signifikant in hydrologischer, thermodynamischer und ökologischer Balance und zeigen komplexe zeitlich-räumliche Reaktionsmuster. Die rasante Entwicklung von KI-Technologien wie Deep Learning hat die Rolle von großflächigen Fernerkundungsdaten bei der Aufdeckung von zeitlich-räumlichen Veränderungen in Seen erheblich gefördert. In diesem Artikel haben wir die neuesten Forschungsfortschritte im Bereich der Seenfernerkundung im KI-Zeitalter systematisch untersucht und festgestellt, dass diesem Bereich zunehmend die ganzheitliche Reaktion der Seen auf Klimaveränderungen (insbesondere die Zunahme extremer Wetterbedingungen wie Hitzewellen) Beachtung geschenkt wird. Um den schnellen, räumlich-zeitlichen Veränderungen in den Seenökosystemen auf verschiedenen Maßstäben entgegenzuwirken, entwickeln sich die Fernerkundungsmittel allmählich zu einem integrierten Multi-Source-Beobachtungsmodell Virtuelle Konstellation + Himmels-Erde-Integration, welches die Genauigkeit der dynamischen Seenüberwachung in verschiedenen Maßstäben und Dimensionen signifikant verbessert. Gleichzeitig entwickeln sich die Fernerkundungsmodelle allmählich von traditionellen empirischen/mechanischen Modellen zu einem doppelten Antriebsmechanismus explizites mechanisches Modell + verstecktes maschinelles Lernen, welcher die Modellierung und Vorhersage hydrologischer, thermischer und biologischer Prozesse schrittweise verbessert. Dieser Artikel untersucht auch das Potenzial der Integration von großen Fernerkundungsdaten und KI-Algorithmen in der Langzeitüberwachung und zukünftigen Szenarienvorhersage und bietet so neue Möglichkeiten, die Dynamik der Seen unter komplexen Umweltbedingungen und zukünftigen Trends zu verstehen.

lake remote sensing;AI;climate change;aglorithm