近日，国家地球系统科学数据中心发布基于机器学习重构的全球海表风场数据集（1950-2024年）。该数据集实现了卫星遥感数据和现场观测数据的有效融合，能够准确刻画从季节变化到长期趋势的多尺度风场演变特征，为进一步深入认识和理解全球海气相互作用机制机理及其影响提供了可靠的数据来源。欢迎相关研究人员下载使用。

数据集由中国科学院南海海洋研究所热带海洋环境实验室、热带海洋环境与岛礁生态全国重点实验室王鑫研究员团队研制生产。相关论文已在《Journal of Climate》期刊上发表。

01研究成果

海表风场作为海气界面的关键物理量，是驱动海洋表层洋流与大气环流的关键动力源。此外，它能深刻调控全球海表温度的时空演变，被广泛视为厄尔尼诺-南方涛动（ENSO）的重要预报因子之一。然而，受限于观测手段的空间覆盖不足与参数化方案的系统性偏差，当前主流海表风场数据产品在长时间尺度上呈现出显著的不确定性。

本研究构建了一种融合克里金插值与机器学习算法的全球海表风场重构框架。该框架以海表风速、海面气压、海表温度、气温、比湿及云量等物理场为输入特征，实现了卫星遥感数据和现场观测数据的有效融合。最终生成的全球逐月海表风场数据产品命名为MLAWind（machine learning-assisted sea surface wind dataset），它能够准确刻画从季节变化到长期趋势的多尺度风场演变特征，为进一步深入认识和理解全球海气相互作用机制机理及其影响提供了可靠的基础数据。

02数据介绍

MLAWind是基于多源卫星遥感产品 CCMP 和现场观测数据 ICOADS 协同重构的全球海表风场数据产品。该数据集有效整合了卫星数据的高精度优势和 ICOADS 现场观测数据的长时序特征。该数据集的时间跨度为 1950年1月至2024年12月，覆盖75年连续月平均海表风场，水平空间分辨率为 1°×1°，适用于气候变率分析和海气耦合过程机制探等。

数据格式为netCDF4，每个netCDF文件包含10-m纬向风场(u10)和10-m经向风场（v10）。地理数据存储在变量“lon”和“lat”中。

图1 全球海表风场数据重构框架

图2 重构海表风场数据MLAWind和多套再分析数据的气候态空间分布（1981-2010）

03数据下载链接

基于机器学习重构的全球海表风场数据集（1950-2024年）：

04引用方式

数据引用方式：

郭炜豪, 张荣望, 王鑫，等. 基于机器学习重构的全球海表风场数据集（1950-2024年）. 国家地球系统科学数据中心, 2026. https://doi.org/10.12041/geodata.276645576057014.ver1.db. https://cstr.escience.org.cn/CSTR:17099.11.G276645576057014.20260106.v1.

Guo, W., Zhang, R., Wang, X., et al. Machine learning-assisted sea surface wind dataset(1950-2024). National Earth System Science Data Center, 2026. https://doi.org/10.12041/geodata.276645576057014.ver1.db. https://cstr.escience.org.cn/CSTR:17099.11.G276645576057014.20260106.v1.

文献引用方式：

Guo, W., Zhang, R., Wang, X., Wang, C., Li, X., Han, W., Zhang, L., 2025: Unveiling the drivers of tropical Indian Ocean warming through machine learning-assisted surface wind. Journal of Climate, 38, 6763–6779. https://doi.org/10.1175/JCLI-D-25-0003.1.