成果速递

何贤强研究员等在基于静止水色卫星观测的高时空分辨率海表流场遥感反演技术取得新进展

首页 > 最新动态 > 成果速递 > 何贤强研究员等在基于静止水色卫星观测的高时空分辨率海表流场遥感反演技术取得新进展何贤强研究员等在基于静...
何贤强研究员等在基于静止水色卫星观测的高时空分辨率海表流场遥感反演技术取得新进展
上传时间:2025-12-22 16:37:00 浏览次数:作者与来源:
       近日,我室何贤强研究员及其合作者在国际遥感领域顶级期刊《ISPRS Journal of Photogrammetry and Remote Sensing》发表了题为“Physically-constrained flow learning reveals diurnal submesoscale surface currents from geostationary satellite observations”的研究论文。论文第一作者为东海实验室丁小松博士后,通讯作者为何贤强研究员,合作者包括我室的龚芳高级工程师、叶枫博士,东海实验室李豪副研究员、赵旻博士后,英国利物浦大学 Hemant Khatri 博士,以及中国科学院生态环境中心李佳佳博士后。

亚中尺度过程(尺度为0.1~10公里)在海洋能量耗散和物质传输中发挥着关键作用,卫星遥感为全球或海盆尺度亚中尺度过程观测的重要手段。当前,卫星雷达高度计成为监测全球海洋中尺度动力过程的主要手段,2022年12月发射的新一代卫星高度计——地表水与海洋地形卫星(SWOT),已将空间分辨率提升至约2 公里,推动了海洋动力场卫星观测从中尺度过程到亚中尺度过程的跨越。然而,SWOT近20天的重访周期限制了其在亚中尺度过程小时级至日尺度快速变化的观测能力。当前,静止轨道水色卫星遥感器(如GOCI、GOCI-II)可提供百米级空间分辨率(GOCI为500米,GOCI-II为250米)、逐小时(从早到晚)的观测资料,为精细化监测亚中尺度涡海表流场结构提供了宝贵观测资料。然而,由于亚中尺度过程具有强旋转与复杂形变,从静止水色卫星遥感产品反演亚中尺度过程海表流场仍面临挑战。

传统基于最大互相关(MCC)方法的静止轨道水色卫星海表流场反演虽然较为简便,但在反演涡旋、锋面丝状结构等海表流场仍存在较大不确定性。为此,本研究构建了基于物理约束深度学习方法的海洋亚中尺度过程逐时海表流场反演模型BAPDE-RAFT(图1)。BAPDE-RAFT模型集成了两个关键感知模块——边界注意模块与细节增强模块,以提升亚中尺度结构的捕捉能力;同时引入基于泊松方程的散度消除模块,通过求解物理约束流场以满足不可压缩条件,从而保障流速场的物理合理性。基于MITgcm LLC4320基准数据集的测试表明,与传统MCC方法相比,BAPDE-RAFT模型将流速与流向误差分别降低了44%和38%,可解析动力过程空间尺度从约70 km提升至3.9 km,实现了亚中尺度过程海表流场的高时空分辨率反演(图2)。BAPDE-RAFT模型进一步应用于静止轨道水色卫星GOCI-II的叶绿素浓度遥感产品,可获得亚中尺度过程海表流场的250米分辨率日内逐时变化(图3),有效弥补了SWOT在观测时空分辨率上的不足(图4)。基于BAPDE-RAFT模型反演的海表流场,本研究初步分析了多尺度相互作用及能量与示踪物的跨尺度级联行为,揭示了动能谱的向上级联与示踪物谱的向下级联等动力学谱特征,为亚中尺度动力学与生态过程研究提供了卫星观测能力。

本研究得到了国家重点研发计划、国家自然科学基金以及浙江省自然科学基金等项目的联合资助。

 


图1. BAPDE-RAFT 架构总体流程:基于MITgcm LLC4320模拟数据集产品学习海表速度场。(i) MITgcm LLC4320 模拟数据的空间分布,用于模型的训练与测试。(ii) BAPDE-RAFT 架构的核心组成部分。(iii) 创新模块,包括边界注意力模块(Boundary Attention Module)、细节增强模块(Detail Enhancement Module)以及 PDE 物理约束校正模块(PDE Correction Module)。


图2. 不同模型的海表流场反演结果比较。


图3. 基于BAPDE-RAFT 模型反演获得的2023年2月27日GOCI-II海表流场。(a)AVISO地转流产品,背景为海平面异常(SLA)。(b)GOCI II反演获得的日均海表流场,背景为GOCI-II 叶绿素浓度产品值。(c-h)GOCI-II反演获得的逐时海表流场,原始分辨率为250米,为便于可视化,取间隔为25像素(即6.25公里空间分辨率)。

 

 
 
 



图4. 2023年2月27日高度计资料与新一代静止水色卫星的日内逐小时海表速度场时空特征对比。

论文引用:

[1] Ding, X., He, X.*, Hemant, K., Li, J., Ye, F., Li, H., Zhao, M., Gong, F. (2026) Physically-constrained flow learning reveals diurnal submesoscale surface currents from geostationary satellite observations. ISPRS Journal of Photogrammetry and Remote Sensing, 232, 223–237. DOI: 10.1016/j.isprsjprs.2025.12.005.

相关文章:

[1] Ding, X., He, X.*, Bai, Y., Ma, W., Li, J., Ye, F., Yu, S., Hu, Q., Gong, F., Wang, D., & Li, T. (2025). Geostationary ocean color satellite observations reveal the fine structure of mesoscale eddy dynamics. Remote Sensing of Environment, 320: 114652. DOI: 10.1016/j.rse.2025.114652.
[2] Ding, X., He, X.*, Bai, Y., Li, J., & Gong, F. (2024). Using geostationary satellite ocean color data to map diurnal hourly velocity field changes in oceanic mesoscale eddy. IEEE Transactions on Geoscience and Remote Sensing, 1-19. DOI: 10.1109/tgrs.2024.3428851.