近日，中国科学院南海海洋研究所热带海洋环境国家重点实验室唐世林团队在遥感数据重构研究方面取得进展，实现了南海多源遥感高分辨率海表叶绿素逐日产品的精准重构。相关研究成果发表在《地球系统科学数据》（Earth System Science Data）上。

受天气条件、卫星传感器运行故障等因素的影响，卫星遥感海表面叶绿素产品存在大量而无规律的缺失。同时，观测数据的不完整性阻碍了卫星数据在海洋研究领域的应用。因此，研究卫星遥感数据的重构方法，对在关注海域获得时空连续完整的数据以及提高数据的利用效率具有重要意义。

该研究结合最优插值（OI）方法和深度学习网络框架（SwinUnet），构建了基于数据异常预期方差的深度学习模型——OI-SwinUnet。该方法利用最优插值，基于空间邻域信息，融合卫星观测和现场观测数据，并利用SwinUnet对大区域长时序的遥感观测时间序列数据进行多尺度特征学习，重建缺失的叶绿素a浓度数据，进而获得南海区域逐日1km海表叶绿素产品。

南海海表叶绿素数据集可以较好地描绘南海季节尺度的海表叶绿素a时空变化规律，并可以再现天气尺度的海洋现象快变过程，为进一步探讨南海多尺度动力过程的生态效应提供了基础数据。

研究工作得到广东省特支计划项目和南海海洋所自主部署项目等的支持。

论文链接

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

OI-SwinUnet深度学习数据重构网络框架