一种新型人工智能去云系统可显著提升卫星图像清晰度，帮助卫星“看穿”云层。该技术由《生物启发计算国际期刊》发表，名为SenseNet，是一种基于深度去噪的混合AI系统，能有效移除卫星图像中的云层、薄雾和阴影，重建被遮蔽的地表信息，精度远超传统方法。 全球绝大多数光学卫星图像都受云层影响，导致地表信息不完整，限制了其在气候监测、农业评估和城市扩张分析中的应用。传统方法依赖物理大气散射模型或通过多时相、多光谱图像对比来去云，但对厚云或大面积遮挡效果不佳。近年虽有机器学习方法提升去云效果，但通常需依赖清晰参考图像，否则会生成模糊区域，影响可用性。 新系统SenseNet采用受自然界犬科动物社会协作行为启发的“混合狐狼优化算法”，模拟群体智能来优化神经网络参数，避免训练陷入局部最优解。它将云层和雾霾视为“结构化噪声”，通过深度学习模型精准识别并去除，恢复地表真实细节。 实验表明，该系统在信噪比方面提升超过2分贝，残差误差显著降低。仅2 dB的提升即相当于性能提高近60%。去云后图像能更清晰识别农田边界、道路网络和水体分布，有助于更准确评估森林砍伐、农作物产量和基础设施变化。 在常年多云的热带地区，该技术可大幅减少数据缺失，为气候适应、灾害预警和实时监测提供更可靠的数据支持，推动地球观测迈向更高精度与实用性。