Chinese Satellites | Views : 0 下载量: 781 CSCD: 0

  • Export

  • Share

  • Collection

  • Album

    • Sea surface temperature reconstruction based on deep learning and its application on the spatiotemporal analysis of SST variation in the South China Sea

    • “The latest research utilizes the I-DINCAE model and DNN technology to successfully reconstruct sea surface temperature data in the South China Sea, revealing its spatiotemporal variation characteristics.”
    • Vol. 29, Issue 7, Pages: 2382-2398(2025)   

      Received：07 November 2024，

      Published：07 July 2025

    • DOI： 10.11834/jrs.20254493     

    移动端阅览

  • Sun Z W，Li Y B，Zhang D J，Sun S J and Chen S Y. 2025. Sea surface temperature reconstruction based on deep learning and its application on the spatiotemporal analysis of SST variation in the South China Sea. National Remote Sensing Bulletin， 29（7）：2382-2398 DOI： 10.11834/jrs.20254493.
  •  
  •  
Alert me when the article has been cited
提交

相关文章

相关作者

Chen Siyu 中山大学海洋科学学院
Zhang Dianjun 中山大学海洋科学学院
Sun Shaojie 天津大学海洋科学与技术学院
SONG Baogui 三峡大学 水电工程智能视觉监测湖北省重点实验室;三峡大学 计算机与信息学院;三峡大学 先进计算中心
SHAO Pan 三峡大学 水电工程智能视觉监测湖北省重点实验室;三峡大学 计算机与信息学院;三峡大学 先进计算中心
SHAO Wen 三峡大学 水电工程智能视觉监测湖北省重点实验室;三峡大学 计算机与信息学院;三峡大学 先进计算中心
ZHANG Xiaodong 武汉大学 测绘遥感信息工程国家重点实验室
DONG Ting 三峡大学 水电工程智能视觉监测湖北省重点实验室;三峡大学 计算机与信息学院;三峡大学 先进计算中心

相关机构

Hubei Key Laboratory of Intelligent Vision Based Monitoring for Hydroelectric Engineering, China Three Gorges University
College of Computer and Information Technology, China Three Gorges University
Advanced Computing Center, China Three Gorges University
State Key Laboratory of Remote Sensing Information Engineering for Surveying and Mapping, Wuhan University
Troops
0