近日，中國科學院海洋研究所研究員李曉峰團隊在遙感觀測數據補全研究領域獲進展。該研究提出了適用于多源遙感數據的通用補全模型——GDCM（Generalized Data Completion Model）。該模型基于時空卷積與注意力機制融合的深度學習框架，解決了衛星軌道覆蓋間隙與云層遮擋導致的數據缺測問題。同時，該模型能夠高精度重建海表溫度、風速、水汽、云液態水以及降水率等關鍵海氣變量，顯著提升遙感觀測數據的完整性與實用性。
GDCM模型以連續7天觀測序列為輸入，通過雙尺度編碼–解碼結構捕捉局地與大尺度特征，并利用注意力機制篩選關鍵時空依賴。實驗表明，GDCM在復雜海洋環境下能夠保持高穩定性，補全精度優于傳統插值方法與現有AI模型。同時，該模型在多類型、跨平臺遙感數據補全任務中均表現出優異性能，具備良好的通用性和魯棒性。
進一步，GDCM采用逐步加深缺測比例的訓練策略，使模型先理解完整場，再逐步適應嚴重缺測情境，有效提升了泛化能力。以熱帶不穩定波區域為例，該模型幾乎消除了預測偏差，重建效果穩定可靠。
這一研究在技術層面上推動了遙感觀測數據智能重建方法的發展，為未來氣候變化監測、臺風路徑預報以及極端事件識別等高時空分辨率應用場景提供了工具。
相關研究成果以GDCM: Generalized Data Completion Model for Satellite Observations為題，發表在《環境遙感》（Remote Sensing of Environment）上。研究工作得到國家自然科學基金委員會和嶗山實驗室的支持。
論文鏈接
GDCM模型結構圖
本文鏈接：遙感觀測數據補全研究獲進展http://m.sq15.cn/show-12-1079-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇： 超表面非線性光子學研究取得進展