{rfName}
Co

Indexat a

Llicència i ús

Icono OpenAccess

Citacions

6

Altmetrics

Grant support

This work was supported by the Major Projects of National Natural Science Foundation of China (U20A20105), National Key Research and Development Project of China (2021YFA1000103, 2021YFA1000102), National Natural Science Foundation of China (Grant Nos. 61972416, 62272479, 62202498), Taishan Scholarship (tsqn201812029), Shandong Provincial Natural Science Foundation (ZR2021QF023), Fundamental Research Funds for the Central Universities (21CX06018A), Spanish project PID2019-106960GB-I00, Juan de la Cierva IJC2018-038539-I.

Anàlisi d'autories institucional

Song, TaoAutor o coautor

Compartir

Publicacions
>
Article

Convformer: A Model for Reconstructing Ocean Subsurface Temperature and Salinity Fields Based on Multi-Source Remote Sensing Observations

Publicat a:Remote Sensing. 16 (13): 2422- - 2024-07-01 16(13), DOI: 10.3390/rs16132422

Autors: Song, Tao; Xu, Guangxu; Yang, Kunlin; Li, Xin; Peng, Shiqiu

Afiliacions

Resum

Observational data on ocean subsurface temperature and salinity are patently insufficient because in situ observations are complex and costly, while satellite remote-sensed measurements are abundant but mainly focus on sea surface data. To make up for the ocean interior data shortage and entirely use the abundant satellite data, we developed a data-driven deep learning model named Convformer to reconstruct ocean subsurface temperature and salinity fields from satellite-observed sea surface data. Convformer is designed by deeply optimizing Vision Transformer and ConvLSTM, consisting of alternating residual connections between multiple temporal and spatial attention blocks. The input variables consist of sea surface temperature (SST), sea surface salinity (SSS), sea surface height (SSH), and sea surface wind (SSW). Our results demonstrate that Convformer exhibits superior performance in estimating the temperature-salinity structure of the tropical Pacific Ocean. The all-depth average root mean square error (RMSE) of the reconstructed subsurface temperature (ST)/subsurface salinity (SS) is 0.353 degrees C/0.0695 PSU, with correlation coefficients (R-2) of 0.98663/0.99971. In the critical thermocline, although the root mean square errors of ST and SS reach 0.85 degrees C and 0.121 PSU, respectively, they remain smaller compared to other models. Furthermore, we assessed Convformer's performance from various perspectives. Notably, we also delved into the potential of Convformer to extract physical and dynamic information from a model mechanism perspective. Our study offers a practical approach to reconstructing the subsurface temperature and salinity fields from satellite-observed sea surface data.

Paraules clau

Deep learningLearning systemsMean square errorOcean remote sensingOceanographyPerformancePhysicPhysicsRemote sensingSalinity fieldsSatellitesSea surfacesSubsurface salinitySubsurface salinity (ss)Subsurface temperatureSubsurface temperature (st)Surface dataSurface temperatureSurface watersTransformerTropical pacificVariabilit

Indicis de qualitat

Impacte bibliomètric. Anàlisi de la contribució i canal de difusió

El treball ha estat publicat a la revista Remote Sensing a causa de la seva progressió i el bon impacte que ha aconseguit en els últims anys, segons l'agència WoS (JCR), s'ha convertit en una referència en el seu camp. A l'any de publicació del treball, 2024 encara no hi ha indicis calculats, però el 2023, es trobava a la posició 110/358, aconseguint així situar-se com a revista Q1 (Primer Cuartil), en la categoria Environmental Sciences.

Independentment de l'impacte esperat determinat pel canal de difusió, és important destacar l'impacte real observat de la pròpia aportació.

Segons les diferents agències d'indexació, el nombre de citacions acumulades per aquesta publicació fins a la data 2025-06-02:

  • WoS: 1
  • Scopus: 5

Impacte i visibilitat social

Des de la dimensió d'influència o adopció social, i prenent com a base les mètriques associades a les mencions i interaccions proporcionades per agències especialitzades en el càlcul de les denominades "Mètriques Alternatives o Socials", podem destacar a data 2025-06-02:

  • L'ús d'aquesta aportació en marcadors, bifurcacions de codi, afegits a llistes de favorits per a una lectura recurrent, així com visualitzacions generals, indica que algú està fent servir la publicació com a base del seu treball actual. Això pot ser un indicador destacat de futures cites més formals i acadèmiques. Aquesta afirmació està avalada pel resultat de l'indicador "Capture", que aporta un total de: 4 (PlumX).

Amb una intenció més de divulgació i orientada a audiències més generals, podem observar altres puntuacions més globals com:

    És fonamental presentar evidències que recolzin l'alineació plena amb els principis i directrius institucionals sobre Ciència Oberta i la Conservació i Difusió del Patrimoni Intel·lectual. Un clar exemple d'això és:

    • El treball s'ha enviat a una revista la política editorial de la qual permet la publicació en obert Open Access.

    Anàlisi del lideratge dels autors institucionals

    Aquest treball s'ha realitzat amb col·laboració internacional, concretament amb investigadors de: China.

    Hi ha un lideratge significatiu, ja que alguns dels autors pertanyents a la institució apareixen com a primer o últim signant, es pot apreciar en el detall: Primer Autor (SONG, TAO) .