东海及邻近海域叶绿素a浓度重构数据集(1998年1月—2025年9月)

海洋叶绿素a浓度(chl a)是表征浮游植物生物量和初级生产力的重要指标, 在监测富营养化、赤潮发生以及碳循环等海洋生态过程方面具有重要意义。传统卫星遥感虽能提供大范围、长时间序列的chl a数据, 但易受云层遮挡及算法局限等因素影响导致数据缺失, 难以满足时空连续观测需求。本研究基于欧洲航天局气候变化倡议计划(Ocean Color-Climate Change Initiative, OC-CCI)的chl a遥感数据, 首次将Zupančič Muc等提出的深度学习模型CRITER(Coarse Reconstruction with Iterative Refinement Network)应用于chl a遥感数据缺测重构, 并首次在东海及邻近海域开展该模型的应用研究。通过对模型输入、输出及处理流程进行适配与优化, 构建了覆盖东海及邻近海域(21.9°–33.2°N, 117.0°–131.0°E)的日尺度、时空连续的chl a数据集。其时间范围为1998年1月1日至2025年9月30日, 空间分辨率为4 km, 数据集总规模约为6.9 GB。在数据质量评估方面, 构建统一评估框架, 对重构精度与稳定性进行分析, 并在统一掩码条件下与典型深度学习模型进行对比, 同时结合浮标观测数据开展独立验证, 综合检验数据的可靠性。结果表明, 该数据集在有效填补缺失信息的同时, 能够保持原始观测的时空结构特征, 具有良好的重构精度与稳定性。该数据集可为区域海洋生态环境监测、浮游植物动态变化分析以及海洋数值模式数据同化等研究提供连续可靠的数据支撑, 具有重要的科学意义和应用价值。