原文地址：http://news.sciencenet.cn/htmlnews/2023/6/502914.shtm
近日，中國科學院海洋研究所研究員尹寶樹團隊在海洋三維溫鹽場反演重構方面取得新進展，研究成果在國際學術期刊《前沿科學》發表。
熱帶印度洋三維溫鹽場反演重構模型示意圖 海洋研究所供圖
海洋三維溫鹽場是海洋動力學研究的基礎，反映了海洋中水的密度分布和運動方式。準確估計海洋的溫度和鹽度結構有助于揭示海洋的環流系統、水團形成和運動路徑，進而理解海洋動力學過程以及它們對氣候變化、海洋生態系統和全球循環的影響。但由于觀測技術的限制，目前仍難以實現三維高時空分辨率的溫度結構的直接觀測，而衛星遙感可以提供高時空覆蓋率多種海洋動力環境參數。因此，如何利用高分辨率的衛星遙感資料結合Argo等觀測數據反演海洋內部關鍵動力環境參數場已成為物理海洋學研究的重要內容之一。
記者了解到，基于多源衛星遙感表層數據（包括海表溫度、海表鹽度、海表高度和海表風場等）以及Argo實測數據，尹寶樹研究團隊創新性地提出了一種基于Convolutional Block Attention Module-Convolutional Neural Network (CBAM-CNN)的新模型，能夠同時反演重構出熱帶印度洋的三維溫鹽場。
研究結果表明，CBAM-CNN模型在估計熱帶印度洋中的溫鹽場結構方面明顯優于傳統的卷積神經網絡（CNN）模型，具備出色的性能。
此外，研究團隊通過與Argo觀測數據的對比驗證，證實了CBAM-CNN模型在不同深度上估計海洋溫鹽場的準確性，并展示該模型在利用海表數據捕捉觀測特征方面的有效性。
研究還證實CBAM-CNN模型在季節性應用方面表現出良好的適應性。該研究成果將為我們深入了解海洋動力學、推動海洋環境變化研究，以及應對全球氣候變化等提供重要支持。
該研究由中國科學院戰略性先導科技專項和國家自然科學基金委等共同資助完成。
相關論文信息：