《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Daily Subsurface Salinity Reconstruction From Multisource Satellite Observations Using Wavelet-Enhanced 3D Mamba
编辑推荐：
本刊推荐：针对开放海域日尺度三维次表层盐度（SS）重建难题，研究团队创新性提出小波增强三维Mamba（3D-WaveMa）模型。该模型通过小波变换（WT）分解多尺度海洋动力过程，利用三维选择性扫描模块（3D-SSM）以线性复杂度捕获长程依赖关系，结合K-means聚类迁移学习增强局部特征提取。实验表明该模型在太平洋海域的日/月尺度重建精度较主流海洋再分析产品提升4%-58%，成功解析中尺度涡旋三维结构及拉尼娜事件盐度异常演变，为卫星遥感三维海洋监测提供新范式。
海洋作为地球气候系统的重要调节器，其内部盐度的三维分布直接影响海水的浮力作用与运动轨迹。然而传统现场观测受限于稀疏的时空覆盖，难以捕捉海洋动力过程的精细结构。虽然SMOS、Aquarius和SMAP等盐度卫星可提供海表盐度（SSS）数据，但仅能监测海表信息。如何通过海表卫星观测重构海洋内部三维结构，成为当前海洋遥感领域的重要挑战。
现有重建方法主要存在三大局限：基于数据同化的数值方法计算成本高昂，动力理论模型不适用于大尺度温盐结构生产，而传统统计方法难以处理大数据下的复杂非线性关系。更关键的是，以往研究多聚焦月尺度重建，无法捕捉中尺度涡旋等短生命期过程（<30天）的日周变化，且常用卷积神经网络（CNN）在捕捉海洋长程依赖关系时存在明显瓶颈。
针对上述问题，梁振宇等人在《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》发表研究，提出小波增强三维Mamba（3D-WaveMa）模型，首次实现太平洋海域日尺度1/4°分辨率的三维次表层盐度（SS）重建。该研究通过融合多源卫星观测数据（ESA CCI SSS、REMSS SST、CMEMS SSH），在太平洋130°E-80°W、25°S-45°N海域构建了上层1000米的三维盐度场，其重建精度与分辨率均达到主流海洋再分析产品水平。
关键技术方法包括：1）采用离散小波变换（DWT）将输入数据分解为LL、LH、HL、HH四个子带，通过跨频特征融合模块（CF3M）实现多尺度特征交互；2）设计三维选择性扫描模块（3D-SSM），结合二维选择性扫描（2DSS）和通道选择性扫描（CSS）捕获水平与垂直方向的长程依赖；3）基于K-means聚类将研究区域划分为9个子区，通过迁移学习（TL）对全局预训练模型进行局部微调。模型使用GREP再分析产品作为训练标签，以EN4现场剖面和分析产品为验证基准。
研究结果验证显示：
- •
模型性能方面：3D-WaveMa在2022年测试集的均方根误差（RMSE）为0.0902 PSU，较CNN（0.1104 PSU）、UNet（0.1086 PSU）和ViT（0.1073 PSU）提升16%-18%。在300米以浅的盐跃层区域，模型精度提升尤为显著，如L24层（199.79米）RMSE降低达30%。
- •
产品对比方面：相较于EN4分析产品，3D-WaveMa月尺度重建精度仅次于GREP（RMSE 0.0870 PSU），显著优于GLORYS12（0.1080 PSU）、CORA2（0.1348 PSU）等再分析产品。日尺度重建在200米以深区域也优于HYCOM和ECCO2模型产品。
- •
过程解析能力：案例研究证实模型可清晰追踪中尺度涡旋的周际演变。如图12展示2022年8月黑潮延伸体区域（21°N-30°N, 140°E-150°E）反气旋涡A、B、C的5天间隔运动，3D-WaveMa重建的100米层盐度异常（SSA）与海面高度异常（SLA）涡旋轮廓高度吻合。图13进一步呈现涡旋C的三维结构，显示正盐度异常随深度递减的垂直分布。
- •
气候事件监测：模型成功捕捉到2022年三重拉尼娜事件中盐度异常的时空演变。图14显示西赤道太平洋（160°E附近）海表盐度异常（SSSA）向东汇聚的过程，图15的垂直剖面揭示混合层内正异常强化现象，印证了拉尼娜成熟期温盐结构特征。
讨论部分通过小波子带分析（图16）阐明模型机理：LL子带保留海洋大尺度背景场，LH/HL/HH子带分别捕获经向锋面、纬向边缘和对角线纹理特征。这种空间频率分解有效分离了不同尺度的海洋动力过程，避免卷积操作导致的细节平滑化。研究还指出，虽然模型在东赤道太平洋边界流区域存在轻微高估（图7框C），但整体误差在可接受范围。
该研究突破性地将状态空间模型（SSM）引入海洋遥感领域，通过线性复杂度的Mamba架构实现长程依赖高效捕获，为大数据时代的海洋三维监测提供新思路。重建数据可作为卫星"伪观测"约束融入数值模式同化系统，提升业务化海洋预报精度。未来研究可扩展至全球海域长时序重建，为多尺度海洋动力过程研究提供高分辨率数据支撑。
