海洋颜色数据对于理解生物和生态现象过程的至关重要，也是海洋物理和生物地球化学模型的重要输入来源。在海洋环境中，叶绿素-a (Chl-a)是海洋颜色的关键变量。考虑到与海洋浮游植物生长和分布相关的环境变量，开发了一个名为OCNET的卷积神经网络(CNN)，用于在开阔海域重建Chl-a浓度数据。
再分析资料和卫星观测的海面温度(SST)、盐度(SAL)、光合有效辐射(PAR)和海面压力(SSP)数据。
OCNET以再分析资料和卫星观测的海面温度(SST)、盐度(SAL)、光合有效辐射(PAR)和海面压力(SSP)作为输入，与环境和浮游植物质量进行关联。所建立的OCNET模型在全球海洋Chl-a浓度数据的重建中取得了较好的效果，并捕获了这些特征的时间变化。
数据质量较好。
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.NCDC.ZENODO.DB6671.2024
10.5281/zenodo.14177611
