arXiv

海洋再分析数据分辨率不够？扩散模型来帮忙。OcDiffSR从粗分辨率数据中重建1/24度高分辨率海表温度、盐度和流速场，精度远超传统插值和现有扩散模型，为海洋降尺度开辟新路径。

👥 作者：Rajat Srivastava、Muhammad Sarmad、Emanuele Mele、Massimo Cafaro、Marco Pulimeno、Italo Epicoco 📅 发布日期：2026-09-18 🆔 arxiv ID：2609.22574v1

📝 论文摘要

高分辨率海洋场对于解析中尺度和亚中尺度海岸动力学至关重要，但其生成受限于计算成本和观测稀疏性。本文提出OcDiffSR——一种条件去噪扩散概率模型（DDPM），用于从粗分辨率再分析数据重建高分辨率海表场。模型基于2011—2020年十年间的配对低分辨率（GLORYS12V1，1/12度）和高分辨率（Med MFC，1/24度）数据训练，并在独立测试年（2009年）亚得里亚海区域进行评估。OcDiffSR采用条件U-Net架构，融合多尺度低分辨率编码器、交叉注意力瓶颈层和基于FiLM的正弦季节嵌入，实现海表温度、盐度和水平流速分量的联合超分辨率重建，生成视觉上连贯的环流格局。与双线性插值和先进残差扩散模型CorrDiff相比，OcDiffSR在标量场重建误差上显著更低（RMSE_SST=0.477度C，RMSE_SSS=0.346 psu），皮尔逊相关系数接近1（PCC≥0.999），结构相似性高（SSIM≥0.964）。对于动力学矢量场，OcDiffSR在绝对误差和空间连贯性上均优于基线方法，尽管中等相关性（PCC=0.64）反映了海洋速度场的固有随机性。日和月评估证实了模型跨季节的时间稳健性。

🔍 详细解读

研究背景

海洋动力学调控着热量、盐分和营养物质的输运，对海洋生态系统、生物地球化学循环和区域气候变率具有直接影响。中尺度涡旋、亚中尺度丝状结构、锋面和边界流等复杂海洋现象的精准刻画，对于业务化海洋预报、气候模拟和海岸带管理至关重要。近年来，数据驱动的机器学习方法在大气海洋领域取得长足进步，但这些方法对高分辨率训练和验证数据的需求极为迫切。 然而，全球再分析产品受限于高分辨率海洋建模的巨大计算成本，通常只能提供较粗的空间分辨率。粗分辨率再分析虽能较好地再现大尺度环流格局，却系统性地无法解析细尺度结构。亚得里亚海正是这类问题的典型区域——该海域空间异质性强、海底地形复杂、环流动力丰富，小尺度结构对理解区域海洋过程不可或缺。 海洋过程具有显著的多尺度和非线性特征，涉及高维耦合状态变量，传统降尺度方法难以在精度和效率之间取得平衡。因此，如何从粗分辨率再分析数据中高效、准确地重建高分辨率海洋场，成为当前海洋数据科学面临的核心挑战之一。

核心问题

本研究旨在解决的关键科学问题是：能否利用条件扩散概率模型，从粗分辨率海洋再分析数据中同时重建多变量（温度、盐度、流速）高分辨率海表场，并在保持物理合理性的前提下超越传统插值方法和现有扩散模型？

研究方法

研究提出OcDiffSR——一种条件去噪扩散概率模型（DDPM），专为海洋场超分辨率设计。模型训练数据为2011—2020年十年间的配对数据：低分辨率输入来自GLORYS12V1再分析产品（1/12度），高分辨率目标来自地中海海洋物理再分析Med MFC（1/24度）。测试集选用2009年数据，该年份早于训练期，确保了严格的独立性，避免了再分析资料自相关对泛化评估的干扰。 模型架构基于条件U-Net，核心创新包括三部分：多尺度低分辨率编码器，用于充分提取粗分辨率输入中的多尺度空间信息；交叉注意力瓶颈层，实现低分辨率条件特征与高分辨率生成特征之间的有效融合；基于Feature-wise Linear Modulation（FiLM）的正弦季节嵌入，将季节周期信息注入网络，使模型能够感知时间相位。模型联合重建海表温度（SST）、海表盐度（SSS）和水平流速两个分量，输出具有视觉连贯环流格局的高分辨率场。 评估方面，研究以双线性插值和当前先进的残差扩散模型CorrDiff为基线，采用RMSE、皮尔逊相关系数（PCC）、结构相似性（SSIM）和决定系数（R2）等指标，在日和月尺度上进行全面对比，并覆盖所有季节以检验时间稳健性。

主要发现

对于标量海洋场，OcDiffSR在所有评估指标上均一致优于双线性插值和CorrDiff。SST重建的RMSE为0.477度C，SSS为0.346 psu；空间相关性接近完美（PCC≥0.999），决定系数接近1（R2≥0.997），结构相似性高（SSIM≥0.964）。这表明模型不仅能准确还原大尺度分布，还能精细刻画温度锋面和盐度梯度等小尺度结构。 对于动力学矢量场（水平流速），OcDiffSR在绝对误差和空间连贯性方面同样优于两个基线方法。流速场的PCC为0.64，虽为中等相关，但这反映了海洋速度场固有的随机性和混沌特征——即便是物理上合理的重建，也难以在逐点意义上完全匹配真实流场。值得注意的是，模型生成的环流格局在视觉上与已知海洋动力学一致，说明其在结构层面具有物理合理性。 日和月尺度评估证实了模型跨所有季节的时间稳定性：置信区间窄，无显著季节性退化。这意味着OcDiffSR不依赖于特定季节的训练样本分布，具备全年业务化应用的潜力。

创新亮点

OcDiffSR的方法创新体现在三个层面：其一，首次将条件DDPM应用于亚得里亚海多变量海洋场联合超分辨率，实现了SST、SSS和流速的同步重建；其二，多尺度低分辨率编码器与交叉注意力瓶颈层的组合设计，有效解决了跨分辨率特征融合难题；其三，FiLM季节嵌入的引入使模型具备时间感知能力，增强了跨季节泛化性能。与CorrDiff等现有扩散模型相比，OcDiffSR在标量场精度上实现了显著提升，并在矢量场空间连贯性上表现更优。

研究意义

本研究为海洋再分析资料的精细化增强提供了一条可行的技术路径。OcDiffSR能够从广泛可得的粗分辨率再分析产品中生成高保真度的1/24度海洋场，有望缓解高分辨率海洋数据稀缺的瓶颈，为区域海洋预报、海岸带管理和海洋生态系统研究提供更精细的数据支撑。同时，该框架具有推广至其他海域和其他海洋变量的潜力，为数据驱动的海洋降尺度研究树立了新的基准。

未来展望

当前模型在流速场的逐点相关性上仍有提升空间（PCC=0.64），未来可探索引入物理约束（如地转平衡、连续性方程）以进一步增强矢量场的动力学一致性。此外，将框架推广至更多海域、更多变量（如海表高度、混合层深度）以及更深层海洋，并评估其在气候变化情景下的适用性，是值得深入的方向。

🔑 关键词

扩散模型 海洋超分辨率 亚得里亚海 再分析数据 海表温度 海表盐度 降尺度 条件U-Net

📎 论文链接：http://arxiv.org/abs/2609.22574v1

📅 发布时间：2026-09-18

论文来源 arxiv.org | 由 AI 自动翻译整理