近日，中國科學(xué)院海洋研究所研究員李曉峰團(tuán)隊在遙感觀測數(shù)據(jù)補(bǔ)全研究領(lǐng)域獲進(jìn)展。該研究提出了適用于多源遙感數(shù)據(jù)的通用補(bǔ)全模型——GDCM（Generalized Data Completion Model）。該模型基于時空卷積與注意力機(jī)制融合的深度學(xué)習(xí)框架，解決了衛(wèi)星軌道覆蓋間隙與云層遮擋導(dǎo)致的數(shù)據(jù)缺測問題。同時，該模型能夠高精度重建海表溫度、風(fēng)速、水汽、云液態(tài)水以及降水率等關(guān)鍵海氣變量，顯著提升遙感觀測數(shù)據(jù)的完整性與實用性。

GDCM模型以連續(xù)7天觀測序列為輸入，通過雙尺度編碼–解碼結(jié)構(gòu)捕捉局地與大尺度特征，并利用注意力機(jī)制篩選關(guān)鍵時空依賴。實驗表明，GDCM在復(fù)雜海洋環(huán)境下能夠保持高穩(wěn)定性，補(bǔ)全精度優(yōu)于傳統(tǒng)插值方法與現(xiàn)有AI模型。同時，該模型在多類型、跨平臺遙感數(shù)據(jù)補(bǔ)全任務(wù)中均表現(xiàn)出優(yōu)異性能，具備良好的通用性和魯棒性。

進(jìn)一步，GDCM采用逐步加深缺測比例的訓(xùn)練策略，使模型先理解完整場，再逐步適應(yīng)嚴(yán)重缺測情境，有效提升了泛化能力。以熱帶不穩(wěn)定波區(qū)域為例，該模型幾乎消除了預(yù)測偏差，重建效果穩(wěn)定可靠。

這一研究在技術(shù)層面上推動了遙感觀測數(shù)據(jù)智能重建方法的發(fā)展，為未來氣候變化監(jiān)測、臺風(fēng)路徑預(yù)報以及極端事件識別等高時空分辨率應(yīng)用場景提供了工具。

相關(guān)研究成果以GDCM: Generalized Data Completion Model for Satellite Observations為題，發(fā)表在《環(huán)境遙感》（Remote Sensing of Environment）上。研究工作得到國家自然科學(xué)基金委員會和嶗山實驗室的支持。

論文鏈接