OPEN-DDNN: Global 0.25°x 0.25° Monthly Ocean Heat Content Dataset (1993-2023) from Remote Sensing Reconstruction

This product used a Densely Deep Neural Network approach to reconstruct a high-resolution (0.25°x 0.25°) ocean heat content for upper 2000m over five different depths (0-100m, 0-300m, 0-700m, 0-1500m, 0-2000m) at a global scale from 1993-2023. It combined multisource remote sensing sea surface temperature (SST), altimetry absolute dynamic topography (ADT), sea surface wind (SSW) field data, and utilizing Argo-grid and EN4-profile data for training. The new 0.25°× 0.25° reconstruction effectively captures detailed thermal variations in regions with complex dynamics such as the Gulf Stream and Kuroshio Extension, surpassing traditional methods in resolution and accuracy. This dataset estimates the trend of ocean warming from 1993 to 2023 with higher resolution, revealing an intensifying trend of ocean warming over the past decade.

本产品采用密集深度神经网络（Densely Deep Neural Network）方法，对1993-2023年全球尺度下2000米以浅上层海洋的热含量进行重建，空间分辨率达0.25°×0.25°，涵盖5个深度层级（0-100米、0-300米、0-700米、0-1500米、0-2000米）。该数据集融合多源遥感海面温度（Sea Surface Temperature, SST）、测高绝对动力地形（Altimetry Absolute Dynamic Topography, ADT）及海面风场（Sea Surface Wind, SSW）数据，并以Argo格点数据与EN4剖面数据作为训练集完成模型训练。这款0.25°×0.25°分辨率的新型重建产品，可有效捕捉湾流、黑潮延伸体等复杂动力海洋区域的精细化热含量变化特征，在空间分辨率与观测精度上均优于传统重建方法。本数据集以更高分辨率估算了1993-2023年的海洋变暖趋势，揭示出近十年海洋变暖态势持续加剧的演化特征。

搜集汇总

背景与挑战

背景概述

该数据集利用密集深度神经网络方法，重建了1993-2023年全球0.25°x 0.25°高分辨率月度海洋热含量，覆盖五个深度层（0-2000米），结合多源遥感数据和观测数据训练。其高分辨率能有效捕捉湾流等复杂动态区域的详细热变化，并揭示过去十年海洋变暖趋势加剧，在分辨率和准确性上超越传统方法。