%0 Dataset
%T OCNET 全球每日叶绿素-a产品数据集(2001–2021年)
%J 国家冰川冻土沙漠科学数据中心
%I 国家冰川冻土沙漠科学数据中心(www.ncdc.ac.cn)
%U http://www.ncdc.ac.cn/portal/metadata/80103364-3ef7-45fa-b5be-1e0eec0b6a1f
%W NCDC
%R 10.5281/zenodo.10011908
%A 龙笛
%K 叶绿素-a;卫星遥感定量检索;OCNET
%X 海洋颜色数据对我们了解生物和生态现象及过程至关重要，也是物理和生物地球化学海洋模型的重要输入源。叶绿素-a（Chl-a）是海洋环境中海洋颜色的关键变量。卫星遥感定量检索是获取大尺度海洋Chl-a的主要方法。然而，数据缺失是基于卫星遥感的Chl-a产品的主要局限性，这主要是由于云层、太阳微光污染和高卫星视角的影响。重建（填补）缺失数据的常用方法通常只考虑初始图像的时空信息，如数据插值经验正交函数、最优插值、克里金插值和扩展卡尔曼滤波等。然而，这些方法在图像中存在大规模缺失值的情况下表现不佳，而且忽略了缺失像素的其他信息在数据重建中的潜力。考虑到与海洋浮游植物生长和分布相关的环境变量，我们开发了一种名为OCNET的卷积神经网络（CNN），用于开阔海域的Chl-a浓度数据重建。从再分析数据和卫星观测数据中选取海面温度（SST）、盐度（SAL）、光合有效辐射（PAR）和海面气压（SSP）作为OCNET的输入变量，与环境和浮游植物数量相关联。所开发的OCNET模型在重建全球海洋Chl-a浓度数据方面取得了良好的性能，并捕捉到了这些特征的时间变化。全球Chl-a数据集涵盖 2001 年至 2021 年，时间分辨率为日，空间分辨率为 0.25°。