درجة حرارة سطح البحر (Sea Surface Temperature) هي واحدة من المؤشرات المهمة لدراسة ديناميكيات المحيط وتفاعل الهواء والمحيط وتغير المناخ. على الرغم من أن طرق الحصول التقليدية على درجة حرارة سطح البحر دقيقة، إلا أنها مقيدة بعدد نقاط العينة ونطاق التغطية، مما يجعلها صعبة لتلبية متطلبات البحوث البحرية على نطاق كبير وبدقة عالية. على الرغم من أن بيانات الاستشعار عن بعد عبر الأقمار الصناعية يمكن أن تغطي كافة البحار العالمية وتتميز بتردد تحديث عالي، مما يجعلها تطبق على نطاق واسع في البحوث البحرية، إلا أن بيانات الاستشعار عن بعد تعاني من النقص في جمعها بسبب الظروف الجوية، نطاق المسح الإشعاعي للأقمار الصناعية وأعطال أجهزة الاستشعار الصارمة، مما يؤدي إلى وجود نقص في بيانات درجة حرارة سطح البحر، مما يقيد إلى حد ما استخدام البيانات. لذلك، من أجل إعادة بناء البيانات عن بعد وزيادة كفاءتها، والحصول على مجموعة بيانات عالية الجودة ذات تغطية كاملة، تقدمت هذه الدراسة من خلال دمج نموذج Inception في المحول التلقائي العميق للتكويد الفائق للبيانات (DINCAE - Data-Interpolating Convolutional Auto-Encoder) لاقتراح استخدام نموذج I-DINCAE لإعادة بناء بيانات درجة حرارة سطح البحر في منتجات بحرية لبحر جنوبي الصين التي تعمل بواسطة الأقمار الصناعية FY-3C. في الوقت نفسه، بالاعتماد على بيانات الاختبار لعدة سنوات من المنطقة المدروسة مباشرة، تستخدم شبكة عصبية عميقة (DNN - Deep Neural Networks) للتصحيحات لبيانات درجة الحرارة الجديدة المعاد بناؤها بواسطة النموذج الجديد، ويتم تحقق النموذج المقترح من خلال مجموعة بيانات iQuam SST التي تحتوي على 11993 نقطة بيانات مستقلة معايير. النتائج تشير إلى أن RMSE بين SST المعاد بناؤها وSST المقاسة هو 1.27 درجة مئوية، MAE هو 0.96 درجة مئوية، R² هو 0.84؛ بعد تصحيح النموذج DNN، تنخفض RMSE إلى 0.57 درجة مئوية، تنخفض MAE إلى 0.43 درجة مئوية، ويتزايد R² إلى 0.92. استنتاجيا، سيتم تحليل توزيع SST الزمكاني والزمني لبحر جنوبي الصين في مقياس الشهر وفي مقياس الفصل الزمني بناء على بيانات درجة حرارة سطح البحر المصححة. النتائج تشير إلى أن في مقياس الفصل الزمني، تظهر خصائص تغير SST لبحر جنوبي الصين بشكل واضح، حيث تصل درجة حرارة سطح البحر في الصيف إلى أعلى قيمة، وتنخفض في الشتاء إلى أدنى قيمة؛ في مقياس الشهر، يظهر تغير SST لبحر جنوبي الصين على شكل موجات جيبية (سينية)، حيث تصل SST عادةً في يونيو إلى أقصى قيمة، وتصل إلى أدنى قيمة في يناير. هذه الدراسة لا توفر فقط خوارزمية جديدة للحصول على بيانات درجة حرارة سطح البحر في منطقة بحر جنوبي الصين ذات تغطية عالية وعالية الجودة، ولكنها كشفت أيضًا عن سمات تغير درجة حرارة سطح البحر في منطقة بحر جنوبي الصين على المستوى الزمني والمكاني.

درجة حرارة سطح البحر, إعادة البيانات, التعلم العميق, FY-3C, التغيرات الزمانية والمكانية