近日，福州大学数字中国研究院（福建）苏华研究员团队在遥感领域权威顶级期刊《Remote Sensing of Environment》（IF= 9.085）上发表文章”Predicting subsurface thermohaline structure from remote sensing data based on long short-term memory neural networks”。海洋是全球增暖的“储热器”与“调节器”，近几十年海洋系统暖化加速，吸收了全球增暖90%以上的热量，在全球气候变化中扮演关键角色。2020年全球海洋又经历了破纪录的暖化，严重威胁了海洋生态系统及人类可持续发展。论文针对全球增暖下的海洋变异与暖化现象，采用多源卫星遥感观测+Argo浮标观测数据，提出一种双向长短期记忆神经网络（Bi-LSTM）模型，用于解决海洋过程的空间非线性与时序依赖性问题，实现了全球海洋次表层温盐结构的双向遥感预测。该研究构建了基于深度学习的中深海遥感预测方法，可用于长时序中深海观测数据的遥感重建，服务全球海洋暖化与气候变化研究，支撑我国应对全球气候变化行动与联合国可持续发展目标。论文合作者包括我院两位优秀硕士研究生张天一、林梦婧，通讯作者为美国总统奖获得者、美国特拉华大学讲座教授严晓海以及我院青年教师卢文芳博士。

值得关注的是，苏华研究员团队在中深海遥感与全球变化领域取得丰硕的研究成果，发表了多篇Remote Sensing of Environment、Journal of Geophysical Research: Oceans等国际顶级期刊论文，发展了系列中深海遥感反演与重建方法，构建了多套中深海遥感观测数据集，为海洋过程与全球变化研究提供重要数据支撑。研究成果获得联合国IPCC组织、英国国家海洋中心、法国麦卡托国际海洋中心、中科院大气物理所、厦门大学等单位的广泛关注，同时为IPCC组织等提供海洋观测数据服务。成果入选中科院地球大数据支撑“联合国可持续发展目标”案例，可服务联合国SDG13气候行动及我国碳中和目标。

论文引用：Hua Su, Tianyi Zhang, Mengjing Lin, Wenfang Lu, Xiao-Hai Yan, Predicting Subsurface Thermohaline Structure from Remote Sensing Data Based on Long Short-Term Memory Neural Networks, Remote Sensing of Environment, 2021, doi: 10.1016/j.rse.2021.112465.

论文链接：https://www.sciencedirect.com/science/article/pii/S0034425721001838

苏华研究员个人主页：https://www.researchgate.net/profile/Hua-Su-4