近日，中國科學院海洋研究所科研人員在衛星遙感反演全球海氣熱通量方面取得進展。
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。這兩個變量是計算海氣感熱通量（SHF）和潛熱通量（LHF）的關鍵輸入，但傳統方法往往有面精度低、區域偏差大等問題。為此，研究團隊提出了MPFNet模型，融合關鍵點特征和周圍空間矩陣信息，結合Fourier神經算子與殘差網絡架構，實現了高精度的Ta與Qa反演。
MPFNet模型以AMSR2微波遙感數據為輸入，利用海表面溫度、風速、水汽、云液態水、降雨率及經緯度7個變量，捕捉局部和大尺度特征，并融合經緯度信息增強模型空間泛化能力。MPFNet模型采用遷移學習的訓練策略，利用ERA5再分析數據進行預訓練，再通過衛星與浮標匹配的觀測進行微調優化，提升了模型在不同海域中的穩定性與準確性。結果表明，相比于再分析產品、深度學習產品和混合產品，MPFNet模型在全球尺度上反演的Ta、Qa以及熱通量SHF和LHF均顯著提升。在2018年獨立測試集上，Ta和Qa的均方根誤差分別下降至0.59°C和0.87g/kg，較其他產品分別提升27%至41%和16%至33%；進一步計算的SHF和LHF誤差也分別降低32%至36%和17%至31%，在熱帶和高緯海域均表現出較強的泛化能力。
同時，研究團隊基于MPFNet模型生成了覆蓋11.5年（2012年7月至2023年12月）分辨率為0.25°的全球逐日Ta、Qa、SHF和LHF產品，為精細化海氣通量估算、氣候變化監測和極端天氣預測提供了數據支撐。
相關研究成果發表在《IEEE地球科學與遙感學報》（IEEE Transactions on Geoscience and Remote Sensing）上。研究工作得到國家自然科學基金等的支持。
MPFNet模型反演的Ta、Qa、SHF和LHF結果圖