Температура поверхності моря (SST - Sea Surface Temperature) є одним із важливих показників для вивчення динаміки океану, взаємодії океану з атмосферою та змін клімату. Традиційні методи отримання SST, хоча і точні, але обмежені кількістю точок вибіркового дослідження та обсягом покриття, що робить їх важкими для задоволення вимог океанських досліджень на великій шкалі та високій роздільної здатності. Незважаючи на те, що дані віддаленого зондування, отримані за допомогою супутників, можуть охоплювати усі світові моря і мають високу частоту оновлення, що робить їх широко застосовними в океанських дослідженнях, але дані віддаленого зондування страждають від недоліків збору через погодні умови, діапазон сканування орбіти супутника та відмови супутникових сенсорів, що призводить до недостатності даних SST, що в певній мірі обмежує застосування даних. Тому, для відновлення даних віддаленого зондування з метою підвищення їх ефективності та отримання високоякісного повністю покриваючого набору даних, це дослідження, шляхом впровадження модуля Inception у глибокий змістовий автокодувальний засіб DINCAE (Data-Interpolating Convolutional Auto-Encoder), пропонує використання моделі I-DINCAE для відновлення даних океанської поверхневої температури на продуктах SST південно-китайського моря за допомогою супутника FY-3C. В той же час, на основі даних спостережень протягом кількох років в області дослідження, методом глибокої нейронної мережі (DNN - Deep Neural Networks) застосовується для корекції свіжих даних температури з використанням нової моделі, а результати перевірки моделі виконуються з використанням набору даних 11993 незалежних точок із набору даних iQuam SST. Результати показують, що RMSE між SST, які відновлено і SST, які виміряні, складає 1,27 ℃, MAE - 0,96 ℃, R² - 0,84; після корекції моделі DNN, RMSE зменшується до 0,57 ℃, MAE - до 0,43 ℃, а R² збільшується до 0,92. За корегованими даними температури морської поверхні, проведені аналізи темпорального та просторового розподілу та зміни характеристик температури морської поверхні в південному китайському морі на місячному та квартальному рівнях. Результати показують, що на квартальному рівні характеристика зміни SST в південному китайському морі чітко виражена і проявляється в тому, що влітку SST досягає максимальних значень, а взимку впадає до мінімальних; на місячному рівні зміна SST в південному китайському морі проявляється у формі синусоїдальних коливань, де SST зазвичай досягає максимального значення в червні і мінімального в січні. Ця дослідницька робота не тільки надає новий алгоритм для отримання високоякісних даних температури поверхні моря в області південно-китайського моря, але також розкриває характеристики температурних змін в часовому та просторовому аспектах південно-китайського моря.

температура поверхні моря; відновлення даних; глибоке навчання; FY-3C; зміни у часі та просторі