海表温度SST（Sea Surface Temperature）は海洋ダイナミクス、海洋大気相互作用、気候変動の重要な指標の1つです。従来のSST取得方法は正確ですが、サンプルポイントの数と範囲に制限があり、大規模で高解像度の海洋研究ニーズを満たすのは難しいです。衛星リモートセンシングデータは世界の海域をカバーし、高い更新頻度を持つため、海洋研究で広く活用されていますが、衛星リモートセンシングデータは天候条件、衛星スキャン軌道範囲、および衛星センサーの障害などの影響を受けて、一定程度データの利用を制限しています。したがって、リモートセンシングデータを再構築し、その利用効率を向上させ、高品質の全領域データセットを取得するために、本研究ではInceptionモジュールを導入し、深層コンボリューショナル自己符号化器DINCAE（Data-Interpolating Convolutional Auto-Encoder）を組み込むI-DINCAEモデルをFY-3C衛星南海海表温度製品のデータ再構築に使用しました。同時に、研究領域の数年間の実測データを組み合わせて、新しいモデルで再構築された温度データをディープニューラルネットワーク（DNN）モデルを用いて補正し、iQuam SSTデータセットの11993の独立した実測データポイントをテストしました。結果は次のとおりです：再構築されたSSTと実測されたSSTのRMSEは1.27℃、MAEは0.96℃、R²は0.84です；DNNモデルによる補正の後、RMSEは0.57℃に低下し、MAEは0.43℃に低下し、R²は0.92に向上しました。補正された海表温度データに基づいて、南海の月間および四半期ごとの海表温度の時空分布および変化特性を分析しました。結果は次のとおりです：季節尺度では、南海のSSTの変化特性が明らかであり、夏季のSSTが最高値に達し、冬季のSSTが最低になります；月尺度では、南海のSSTの変化が正（余弦波動）の形を示し、SSTは通常6月に最大値に達し、1月に最小値に達します。この研究は、南海地域の高カバレッジ、高品質の海表温度データを得るための新しいアルゴリズムを提供するとともに、南海地域の海表温度の時空変化特性を明らかにしました。

海表温度; データ再構築; 深層学習; FY-3C; 時空変化