A Temperatura da Superfície do Mar (TSM) é um dos importantes indicadores para a pesquisa da dinâmica oceânica, interação oceano-atmosfera e mudanças climáticas. Embora os métodos tradicionais de obtenção de TSM sejam precisos, eles são limitados pela quantidade e cobertura dos pontos de amostragem, o que dificulta atender às demandas de pesquisa oceânica em grande escala e alta resolução. Embora os dados de sensoriamento remoto por satélite possam cobrir todas as áreas oceânicas do mundo e tenham uma alta frequência de atualização, sendo amplamente utilizados na pesquisa oceânica, os dados de sensoriamento remoto por satélite são frequentemente afetados por condições meteorológicas, alcance da órbita de varredura do satélite e falhas no funcionamento do sensor do satélite, resultando frequentemente em dados de TSM incompletos, que de certa forma limitam a aplicação dos dados. Portanto, para reconstruir os dados de sensoriamento remoto e melhorar a eficiência de uso, obtendo conjuntos de dados de alta qualidade e cobertura total, este estudo introduziu o módulo Inception e incorporou o DCAE (Data-Interpolating Convolutional Auto-Encoder) em um modelo I-DCAE para reconstruir os dados de temperatura da superfície do mar (TSM) do satélite FY-3C; ao mesmo tempo, combinando os dados observados de vários anos na área de estudo, utilizou o modelo de rede neural profunda (DNN) para ajustar os dados de temperatura reconstruídos pelo novo modelo, e utilizou o conjunto de dados de 11993 pontos de dados observados independentes do conjunto de dados iQuam SST para teste. Os resultados mostraram que o RMSE entre o TSM reconstruído e o TSM observado é de 1.27 ℃, o MAE é de 0.96 ℃ e R² é de 0.84; após o ajuste do modelo DNN, o RMSE diminui para 0.57 ℃, o MAE diminui para 0.43 ℃ e R² aumenta para 0.92. Baseando-se nos dados de temperatura da superfície do mar (TSM) ajustados, analisou-se as características da distribuição e variação espacial e temporal da TSM no Mar do Sul em escala mensal e trimestral. Os resultados mostraram que em escala trimestral, as características de variação do TSM no Mar do Sul são evidentes, com o TSM atingindo o valor máximo no verão e o mínimo no inverno; em escala mensal, a variação do TSM no Mar do Sul assume a forma de ondas senoidais, com o TSM atingindo geralmente o máximo em junho e o mínimo em janeiro. Este estudo não só fornece um novo algoritmo para obter dados de temperatura da superfície do mar (TSM) de alta cobertura e alta qualidade na região do Mar do Sul, mas também revela as características de variação espacial e temporal do TSM na região do Mar do Sul.

Temperatura da Superfície do Mar; Reconstrução de Dados; Aprendizado Profundo; FY-3C; Variação Espaço-Temporal