高分辨率无缺失海表温度重建研究获进展。近日,中国科学院海洋研究所在高分辨率无缺失海表温度(SST)重建研究方面取得新进展,提出了基于深度学习的遥感跨尺度重建(RSCR)模型框架。
针对红外遥感SST高分辨率但易受云遮挡、微波遥感SST全天候覆盖但分辨率较低,以及真实云下高分辨率真值难以获取等问题,研究系统构建了多源卫星联合重建思路。具体而言,以红外卫星(VIIRS)提供高分辨率细尺度结构信息,以微波卫星(AMSR2)提供连续的大尺度背景约束,并引入连续7天时间序列以表征SST演变的时间连续性。在模型设计上,RSCR通过位置编码、时间序列编码器、差异提取编码器、注意力融合模块以及多模态解码器,实现了时间连续性约束与空间互补性约束在网络结构中的统一映射。
结果表明,RSCR整体表现优于业务化多尺度超高分辨率产品(MUR)。RSCR在不同区域和不同季节条件下,始终保持更高的结构相似度和更低的误差,体现出较强的时空鲁棒性。功率谱密度分析证明,RSCR不仅在数值精度上优于广泛使用的MUR,而且在短波段保留了更多具有物理意义的小尺度方差,实现10km尺度的高分辨率无缺失SST重建,而不只是插值带来的网格表观细化。
在应用方面,RSCR在极端天气过程中准确刻画台风冷尾迹的降温幅度及其空间形态。以2023年台风达维为例,RSCR对冷尾迹核心区强冷却信号的恢复更接近VIIRS参考观测,且与Argo浮标观测一致,说明其在复杂海气背景和强非稳态事件下,仍具备较好的物理一致性与应用价值。
相关研究成果发表在ISPRS Journal of Photogrammetry and Remote Sensing上。研究工作得到国家重点研发计划、国家自然科学基金项目、中国博士后科学基金等的支持。

2023年台风达维在黑潮区域的冷尾迹
研究团队单位:海洋研究所

