{rfName}
In

Indexado en

Licencia y uso

Citaciones

33

Altmetrics

Grant support

This research was funded by National Natural Science Foundation of China U1811464, U21A6001, and the CAS Key Laboratory of Science and Technology on Operational Oceanography Open Project Funding No OOST2021-03.

Análisis de autorías institucional

Song, TAutor o Coautor
Compartir
Publicaciones
>
Artículo

Inversion of Ocean Subsurface Temperature and Salinity Fields Based on Spatio-Temporal Correlation

Publicado en:Remote Sensing. 14 (11): 2587- - 2022-06-01 14(11), DOI: 10.3390/rs14112587

Autores: Song, Tao; Wei, Wei; Meng, Fan; Wang, Jiarong; Han, Runsheng; Xu, Danya

Afiliaciones

Alibaba Grp, DAMO Acad, Hangzhou 310056, Peoples R China - Autor o Coautor
China Univ Petr East China, Coll Comp Sci & Technol, Qingdao 266580, Peoples R China - Autor o Coautor
Guangdong Lab Marine Sci & Engn, Zhuhai 519080, Peoples R China - Autor o Coautor
Univ Politecn Madrid, Fac Comp Sci, Dept Artificial Intelligence, Campus Montegancedo, Madrid 28660, Spain - Autor o Coautor

Resumen

Ocean observation is essential for studying ocean dynamics, climate change, and carbon cycles. Due to the difficulty and high cost of in situ observations, existing ocean observations are inadequate, and satellite observations are mostly surface observations. Previous work has not adequately considered the spatio-temporal correlation within the ocean itself. This paper proposes a new method-convolutional long short-term memory network (ConvLSTM)-for the inversion of the ocean subsurface temperature and salinity fields with the sea surface satellite observations (sea surface temperature, sea surface salinity, sea surface height, and sea surface wind) and subsurface Argo reanalyze data. Given the time dependence and spatial correlation of the ocean dynamic parameters, the ConvLSTM model can improve inversion models' robustness and generalizability by considering ocean variability's significant spatial and temporal correlation characteristics. Taking the 2018 results as an example, our average inversion results in an overall normalized root mean square error (NRMSE) of 0.0568 degrees C/0.0027 PSS and a correlation coefficient (R) of 0.9819/0.9997 for subsurface temperature (ST)/subsurface salinity (SS). The results show that SSTA, SSSA SSHA, and SSWA together are valuable parameters for obtaining accurate ST/SS estimates, and the use of multiple channels in shallow seas is effective. This study demonstrates that ConvLSTM is superior in modeling the subsurface temperature and salinity fields, fully taking global ocean data's spatial and temporal correlation into account, and outperforms the classic random forest and LSTM approaches in predicting subsurface temperature and salinity fields.

Palabras clave
ArgoBrainClimate changeConvolutionConvolutional long short-term memoryConvolutional long short-term memory (convlstm)Decision treesDeeper oceanInferenceLong short-term memoryMean square errorModelOcean dynamicsOcean observationsOceanographyPacific-oceanReconstructionRemote sensingRemote sensing dataSalinity fieldsSatelliteSatellite observationsSignalsSpatio-temporal correlationSpatiotemporal correlationSubsurface temperatureSurface warming hiatusSurface watersTemperature and salinity fieldTemperature and salinity fieldsVertical profiles

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Remote Sensing debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2022, se encontraba en la posición 31/202, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Geosciences, Multidisciplinary.

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir de las Citas Mundiales proporcionadas por WoS (ESI, Clarivate), arroja un valor para la normalización de citas relativas a la tasa de citación esperada de: 3.16. Esto indica que, de manera comparada con trabajos en la misma disciplina y en el mismo año de publicación, lo ubica como trabajo citado por encima de la media. (fuente consultada: ESI 14 Nov 2024)

Esta información viene reforzada por otros indicadores del mismo tipo, que aunque dinámicos en el tiempo y dependientes del conjunto de citaciones medias mundiales en el momento de su cálculo, coinciden en posicionar en algún momento al trabajo, entre el 50% más citados dentro de su temática:

  • Media Ponderada del Impacto Normalizado de la agencia Scopus: 4.5 (fuente consultada: FECYT Feb 2024)
  • Field Citation Ratio (FCR) de la fuente Dimensions: 6.45 (fuente consultada: Dimensions Apr 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2025-04-30, el siguiente número de citas:

  • WoS: 15
  • Scopus: 18
  • OpenCitations: 16
Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2025-04-30:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 16 (PlumX).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
Análisis de liderazgo de los autores institucionales

Este trabajo se ha realizado con colaboración internacional, concretamente con investigadores de: China.

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (SONG, TAO) .