遥感数据重构领域取得突破
传统卫星遥感技术在监测海表叶绿素浓度时，常因天气条件恶劣、卫星传感器运行故障等因素导致数据大量缺失，这些无规律的数据缺失严重制约了卫星数据在海洋科学研究和应用中的有效性和可靠性。 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(LTO)唐世林团队在遥感数据重构研究方面取得新进展，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。 唐世林团队创新性地结合了最优插值(OI)方法和深度学习网络框架(SwinUnet)，开发出了一种名为OI-SwinUnet的深度学习模型。该模型巧妙融合了卫星观测与现场观测数据，通过最优插值方法利用空间邻域信息，同时借助SwinUnet的强大多尺度特征学习能力，对长时间序列的遥感观测数据进行深度分析和重构，最终实现了对缺失叶绿素a浓度数据的高精度恢复。 基于这一创新方法，研究团队成功生成了南海区域逐日1km分辨率的海表叶绿素产品。这一产品不仅展示了南海季节尺度的海表叶绿素a时空变化规律，还能够精准捕捉天气尺度下海洋现象的快速变化过程，为科学家进一步探究南海多尺度动力过程的生态效应提供了宝贵的基础数据。 唐世林团队的这一研究成果，不仅是对现有遥感数据处理技术的一次重大突破，更是对推动海洋科学研究、提升海洋环境监测能力具有重要意义。通过精准重构的逐日海表叶绿素产品，研究人员能够更全面地理解海洋生态系统的动态变化，为海洋资源的可持续利用、海洋环境的保护与治理提供科学依据。 该研究工作得到了广东省特支计划项目和南海海洋所自主部署项目等的大力支持，充分展示了科研合作与资源整合在推动科技创新中的重要作用。未来，随着技术的不断进步和应用场景的持续拓展，相信这一研究成果将在海洋科学研究和环境保护领域发挥更加重要的作用。 相关研究发表在期刊Earth System Science Data上，副研究员叶海彬为论文第一作者，研究员唐世林为通讯作者，合作者包括自然资源部南海预报减灾中心正高级工程师杨超宇，LTO副研究员董园和研究员陈楚群。 (资料来源：南海海洋研究所)
