近日，数字中国研究院（福建）苏华研究员团队在遥感领域国际顶级期刊《ISPRS Journal of Photogrammetry and Remote Sensing》（中科院一区Top，影响因子10.6）上发表题为“Can satellite observations detect global ocean heat content change with high resolution by deep learning?”的最新研究成果。成果贡献作者包括我院苏华研究员、2022级硕士生滕剑晨和张菲燕、王安博士研究生和黄展超助理研究员。研究工作获得福建省杰出青年基金和国家留学基金资助。

海洋热含量（OHC）是衡量全球增暖的最有效的指标之一，可以直接反映地球能量不平衡与全球增暖状态，但由于海洋现场观测数据的不足，海洋内部气候变化研究亟需高分辨率、长时序的海洋热含量数据支撑。重建高精度的海洋三维热含量数据集对于海洋增暖过程及气候变化研究有着重要意义。本研究采用了一种密集型深度神经网络（DDNN）模型（R2达0.983），通过Argo格网预训练捕捉大尺度热力信息，结合EN4廓线数据进行精细化微调，最终通过融合多源卫星遥感与海量现场观测数据成功重建了1993-2023年0.25°×0.25°的高分辨率海洋三维热含量数据集（OPEN0.25°）。OPEN0.25°数据集成功填补了高分辨率热含量数据集的空缺，可以有效地捕获海洋复杂动力区域的热结构信息并衡量近三十年全球海洋增暖过程。在过去十年中，受频繁且强烈的厄尔尼诺-南方涛动（ENSO）事件的影响，上层700米太平洋的热含量可能远超预期。研究表明，通过卫星观测结合人工智能发展深海遥感技术，可以监测并重构高精度、高分辨率、长时序的全球海洋热含量变化，为海洋三维环境重建提供AI深海遥感新视角，服务海洋可持续发展与气候变化评估。

论文引用：

http://Hua Su, Jianchen Teng, Feiyan Zhang, An Wang, Zhanchao Huang. (2025). Can satellite observations detect global ocean heat content change with high resolution by deep learning? ISPRS Journal of Photogrammetry and Remote Sensing, 225, 52-68.

论文链接：https://doi.org/10.1016/j.isprsjprs.2025.04.018