近日，中國科學院南海海洋研究所熱帶海洋環境國家重點實驗室（LTO）唐世林團隊在遙感數據重構研究方面取得新進展，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。相關研究發表在期刊Earth System Science Data上，副研究員葉海彬為論文第一作者，研究員唐世林為通訊作者，合作者包括自然資源部南海預報減災中心正高級工程師楊超宇，LTO副研究員董園和研究員陳楚群。
受天氣條件、衛星傳感器運行故障等因素影響，衛星遙感海表面葉綠素產品存在大量，無規律的缺失。觀測數據的不完整性也阻礙了衛星數據在海洋研究領域中的應用。因此，研究衛星遙感數據的重構方法，對在關注海域獲得時空連續完整的數據，以及提高數據的利用效率有重要意義。
本研究結合最優插值（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。該方法利用最優插值，基于空間鄰域信息對衛星觀測和現場觀測數據進行融合，同時利用SwinUnet對大區域長時序的遙感觀測時間序列數據進行多尺度特征學習，最終重建缺失的葉綠素a濃度數據，進而獲得南海區域逐日1km海表葉綠素產品。
本研究重構的南海海表葉綠素數據集不僅可以很好地描繪南海季節尺度的海表葉綠素a時空變化規律，還可以再現天氣尺度的海洋現象快變過程，為進一步深入認識和理解南海多尺度動力過程的生態效應提供了可靠的基礎數據。
該研究由廣東省特支計劃項目和南海所自主部署項目等共同資助完成。
相關論文信息：Haibin Ye,Chaoyu Yang,Yuan Dong,Shilin Tang*,and Chuqun Chen. A daily reconstructed chlorophyll-a dataset in the South China Sea from MODIS using OI-SwinUnet. Earth System Science Data,2024,16,3125-3147.
文章鏈接：https://doi.org/10.5194/essd-16-3125-2024
圖1. OI-SwinUnet深度學習數據重構網絡框架
圖2. 基于OI-SwinUnet重構的南海海表葉綠素每月平均產品（數據時間：2013-2017年）
附件下載：