近日，中国科学院海洋研究所人工智能海洋学研究组在卫星遥感反演全球海气热通量方向取得重要进展。相关成果以“Enhancing Retrievals of Air-Sea Heat Fluxes from AMSR2 Microwave Observations Based on Deep Learning”为题，发表在遥感领域国际期刊 IEEE Transactions on Geoscience and Remote Sensing（SCI一区，影响因子8.8）。
本研究聚焦于提升海表面2米气温（Ta）和比湿（Qa）的遥感反演精度，这两个变量是计算海气感热通量（SHF）和潜热通量（LHF）的关键输入，但传统方法往往面精度低、区域偏差大等问题。为此，研究团队创新性地提出了MPFNet（Matrices-Points Fusion Network），融合关键点特征和周围空间矩阵信息，结合Fourier神经算子与残差网络架构，实现了高精度的Ta与Qa反演。
