近日，中國(guó)科學(xué)院海洋研究所人工智能海洋學(xué)研究組在衛(wèi)星遙感反演全球海氣熱通量方向取得重要進(jìn)展。相關(guān)成果以“Enhancing Retrievals of Air-Sea Heat Fluxes from AMSR2 Microwave Observations Based on Deep Learning”為題，發(fā)表在遙感領(lǐng)域國(guó)際期刊 IEEE Transactions on Geoscience and Remote Sensing（SCI一區(qū)，影響因子8.8）。
本研究聚焦于提升海表面2米氣溫（Ta）和比濕（Qa）的遙感反演精度，這兩個(gè)變量是計(jì)算海氣感熱通量（SHF）和潛熱通量（LHF）的關(guān)鍵輸入，但傳統(tǒng)方法往往面精度低、區(qū)域偏差大等問(wèn)題。為此，研究團(tuán)隊(duì)創(chuàng)新性地提出了MPFNet（Matrices-Points Fusion Network），融合關(guān)鍵點(diǎn)特征和周圍空間矩陣信息，結(jié)合Fourier神經(jīng)算子與殘差網(wǎng)絡(luò)架構(gòu)，實(shí)現(xiàn)了高精度的Ta與Qa反演。
圖1 MPFNet模型結(jié)構(gòu)圖
MPFNet以AMSR2微波遙感數(shù)據(jù)為輸入，利用海表面溫度、風(fēng)速、水汽、云液態(tài)水、降雨率、經(jīng)度和緯度7個(gè)變量，在捕捉局部和大尺度特征的同時(shí)，融合經(jīng)緯度信息增強(qiáng)模型空間泛化能力。MPFNet模型采用遷移學(xué)習(xí)的訓(xùn)練策略，首先利用ERA5再分析數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，再利用衛(wèi)星與浮標(biāo)匹配的觀測(cè)進(jìn)行微調(diào)優(yōu)化，大幅提升了模型在不同海域中的穩(wěn)定性與準(zhǔn)確性。結(jié)果表明，MPFNet在全球尺度上反演的Ta、Qa以及熱通量SHF和LHF相比再分析產(chǎn)品（如ERA5、NCEP）、深度學(xué)習(xí)產(chǎn)品（如OHF CDR）和混合產(chǎn)品（如IFREMER、OAFlux）均顯著提升。在2018年獨(dú)立測(cè)試集上，Ta和Qa的均方根誤差（RMSE）分別下降至0.59°C和0.87g/kg，較其他產(chǎn)品分別提升27%–41%和16%–33%；進(jìn)一步計(jì)算的SHF和LHF誤差也分別降低了32%–36%和17%–31%，在熱帶和高緯海域均表現(xiàn)出較強(qiáng)的泛化能力。
圖2 MPFNet模型反演的Ta、Qa、SHF和LHF結(jié)果圖
此外，研究團(tuán)隊(duì)基于MPFNet生成了覆蓋11.5年（2012.7–2023.12）分辨率為0.25°的全球逐日Ta、Qa、SHF和LHF產(chǎn)品，為精細(xì)化海氣通量估算、氣候變化監(jiān)測(cè)和極端天氣預(yù)測(cè)提供了高質(zhì)量數(shù)據(jù)支撐。
中國(guó)科學(xué)院海洋研究所王夢(mèng)嬌博士生為該論文第一作者，李曉峰研究員為通訊作者，合作者還包括王浩宇博士后。研究工作得到了國(guó)家自然科學(xué)基金創(chuàng)新研究群體項(xiàng)目、國(guó)家自然科學(xué)基金重大基金、青島市科技惠民示范專項(xiàng)和國(guó)家自然科學(xué)青年基金的支持。
