填补90%缺失数据
该模型融合多源卫星数据，通过自监督学习策略，在无真值条件下实现高稀疏叶绿素a数据的高质量填补。
Wang, Shuyu · 李文根 · 关佶红 · Liu, Xiwei · Zhang, Yichao · 周水庚
IEEE Transactions on Geoscience and Remote Sensing 2024
在缺失率高达0.9的极端稀疏条件下，S2-STI相比强基线方法将MAE降低至少12%，直接提升高缺失率场景下的数据可用性。
通过多源稀疏数据融合模块，学习海表温度和光合有效辐射的高质量时空表示，并将其与叶绿素a数据融合，为填补提供更丰富的信息。
专门设计的自监督训练策略使模型能在缺乏真值的高稀疏数据上完成训练，摆脱了对完整标注数据的依赖。