近日，中國科學院南海海洋研究所熱帶海洋環(huán)境國家重點實驗室唐世林團隊在遙感數據重構研究方面取得進展，實現了南海多源遙感高分辨率海表葉綠素逐日產品的精準重構。相關研究成果發(fā)表在《地球系統(tǒng)科學數據》（Earth System Science Data）上。

受天氣條件、衛(wèi)星傳感器運行故障等因素的影響，衛(wèi)星遙感海表面葉綠素產品存在大量而無規(guī)律的缺失。同時，觀測數據的不完整性阻礙了衛(wèi)星數據在海洋研究領域的應用。因此，研究衛(wèi)星遙感數據的重構方法，對在關注海域獲得時空連續(xù)完整的數據以及提高數據的利用效率具有重要意義。

該研究結合最優(yōu)插值（OI）方法和深度學習網絡框架（SwinUnet），構建了基于數據異常預期方差的深度學習模型——OI-SwinUnet。該方法利用最優(yōu)插值，基于空間鄰域信息，融合衛(wèi)星觀測和現場觀測數據，并利用SwinUnet對大區(qū)域長時序的遙感觀測時間序列數據進行多尺度特征學習，重建缺失的葉綠素a濃度數據，進而獲得南海區(qū)域逐日1km海表葉綠素產品。

南海海表葉綠素數據集可以較好地描繪南海季節(jié)尺度的海表葉綠素a時空變化規(guī)律，并可以再現天氣尺度的海洋現象快變過程，為進一步探討南海多尺度動力過程的生態(tài)效應提供了基礎數據。

研究工作得到廣東省特支計劃項目和南海海洋所自主部署項目等的支持。

論文鏈接

https://doi.org/10.5194/essd-16-3125-2024

OI-SwinUnet深度學習數據重構網絡框架