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。
MPFNet以AMSR2微波遥感数据为输入，利用海表面温度、风速、水汽、云液态水、降雨率、经度和纬度7个变量，在捕捉局部和大尺度特征的同时，融合经纬度信息增强模型空间泛化能力。MPFNet模型采用迁移学习的训练策略，首先利用ERA5再分析数据进行预训练，再利用卫星与浮标匹配的观测进行微调优化，大幅提升了模型在不同海域中的稳定性与准确性。结果表明，MPFNet在全球尺度上反演的Ta、Qa以及热通量SHF和LHF相比再分析产品（如ERA5、NCEP）、深度学习产品（如OHF CDR）和混合产品（如IFREMER、OAFlux）均显著提升。在2018年独立测试集上，Ta和Qa的均方根误差（RMSE）分别下降至0.59°C和0.87g/kg，较其他产品分别提升27%–41%和16%–33%；进一步计算的SHF和LHF误差也分别降低了32%–36%和17%–31%，在热带和高纬海域均表现出较强的泛化能力。
此外，研究团队基于MPFNet生成了覆盖11.5年（2012.7–2023.12）分辨率为0.25°的全球逐日Ta、Qa、SHF和LHF产品，为精细化海气通量估算、气候变化监测和极端天气预测提供了高质量数据支撑。
中国科学院海洋研究所王梦娇博士生为该论文第一作者，李晓峰研究员为通讯作者，合作者还包括王浩宇博士后。研究工作得到了国家自然科学基金创新研究群体项目、国家自然科学基金重大基金、青岛市科技惠民示范专项和国家自然科学青年基金的支持。
论文信息：
M. Wang, H. Wang and X. Li, "Enhancing Retrievals of Air-Sea Heat Fluxes From AMSR2 Microwave Observations Based on Deep Learning," in IEEE Transactions on Geoscience and Remote Sensing, vol. 63, pp. 1-17, 2025, Art no. 4208617, doi: 10.1109/TGRS.2025.3586604.
