每年夏天，威胁朝鲜半岛的台风从西北太平洋的温暖水域中摄取能量。近年来，极端天气事件如热浪、干旱和暴雨与海表温度（SST）上升的关系越来越密切。准确预测SST对气候和天气预报至关重要。然而，卫星观测虽然能提供广泛和连续的监测，但往往会因云层、降水等观测限制而出现数据缺失，阻碍了长期、高分辨率的气候分析。 为应对这一挑战，蔚山国立科学技术研究所（UNIST）的研究团队开发了一个创新的人工智能（AI）模型，能够恢复缺失的卫星数据，并生成高分辨率的持续SST数据集，精度达到了前所未有的水平。这项成果已发表在《环境遥感》杂志上。 研究团队由土木、城市、地球与环境工程系的Jungho Im教授领导，他们创建了一个基于生成对抗网络（GAN）的重建系统，这种AI架构最初是为图像合成设计的。研究团队利用高频卫星数据结合数值天气预报（NWP）模型的热力学见解，训练了这个AI模型。与传统模型不同的是，该方法整合了物理海洋原理，使AI能够在存在缺失观测的情况下依然生成与实际物理条件高度一致的SST数据。 “传统方法如线性插值或统计模型在快速变化的温度条件下难以保持SST的细节特征，”研究的第一作者Sihun Jung解释道。“我们的AI模型不仅在准确度上超过了这些方法，在复杂条件下也保持了高保真度，成为气象监测的一大利器。” Im教授强调了这一技术的广泛应用前景，尤其在西北太平洋地区——一个频繁遭受台风和气候变化影响的地区。他指出：“通过提供高分辨率的SST数据，我们能够显著改善天气预报和气候模型。长远来看，这项技术还可能在海洋灾难预警系统中发挥重要作用，例如监测海洋热浪，有助于保护社区和生态系统。” 业内人士认为，这一创新技术展示了AI在处理复杂气候数据中的巨大潜力，为气象和气候研究提供了新的工具。UNIST作为韩国顶尖的科技研究机构，一直在推动先进技术的发展与应用，此次成果进一步巩固了其在环境监测领域的领先地位。