近日，中国科学院海洋研究所研究员李晓峰团队在遥感观测数据补全研究领域获进展。该研究提出了适用于多源遥感数据的通用补全模型——GDCM（Generalized Data Completion Model）。该模型基于时空卷积与注意力机制融合的深度学习框架，解决了卫星轨道覆盖间隙与云层遮挡导致的数据缺测问题。同时，该模型能够高精度重建海表温度、风速、水汽、云液态水以及降水率等关键海气变量，显著提升遥感观测数据的完整性与实用性。
GDCM模型以连续7天观测序列为输入，通过双尺度编码–解码结构捕捉局地与大尺度特征，并利用注意力机制筛选关键时空依赖。实验表明，GDCM在复杂海洋环境下能够保持高稳定性，补全精度优于传统插值方法与现有AI模型。同时，该模型在多类型、跨平台遥感数据补全任务中均表现出优异性能，具备良好的通用性和鲁棒性。
进一步，GDCM采用逐步加深缺测比例的训练策略，使模型先理解完整场，再逐步适应严重缺测情境，有效提升了泛化能力。以热带不稳定波区域为例，该模型几乎消除了预测偏差，重建效果稳定可靠。
这一研究在技术层面上推动了遥感观测数据智能重建方法的发展，为未来气候变化监测、台风路径预报以及极端事件识别等高时空分辨率应用场景提供了工具。
相关研究成果以GDCM: Generalized Data Completion Model for Satellite Observations为题，发表在《环境遥感》（Remote Sensing of Environment）上。研究工作得到国家自然科学基金委员会和崂山实验室的支持。
论文链接
GDCM模型结构图
本文链接：遥感观测数据补全研究获进展http://www.llsum.com/show-12-1079-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 超表面非线性光子学研究取得进展