高分辨率數字高程模型（Digital Elevation Model，簡稱DEM）可提供精準的基礎地理數據，因此在全球氣候變化、海洋潮汐運動、地球球體物質交換等研究領域發(fā)揮著至關重要的作用。高分辨率全球海洋DEM是海洋地質和海洋測繪的前沿分支，為了解海底構造運動、海底演化過程提供直接依據。但由于技術限制和測繪成本等原因，獲得高分辨率全球海洋DEM代價高昂。

2022年12月，清華大學地球系統科學系黃小猛教授科研團隊在《科學通報》（Science Bulletin）上發(fā)表題為“3弧秒全球DEM數據集的超分辨率重建”（Super-resolution reconstruction of a 3 arc-second global DEM dataset）的論文，發(fā)布了全球3弧秒（90 m）分辨率海洋和陸地DEM數據產品（GEBCO_2021）。

該研究基于30 m分辨率的美國國家航空航天局(NASA)DEM衛(wèi)星影像、聯合國政府間海洋學委員會的450 m分辨率GEBCO_2021公開數據和部分區(qū)域高分辨率海洋地形數據，采用深度殘差預訓練神經網絡和遷移學習（Transfer Learning）相結合技術，構建了適用于全球區(qū)域的DEM-SRNet模型，制作了全球3弧秒（90 m）分辨率的海陸DEM產品GDEM_2022。

與目前廣泛采用的基于插值或者其他深度學習超分方法對比，所構建模型結果均優(yōu)于同類方法。與基于插值的傳統方法相比，GDEM_2022產品的RMSE指標平均提升23.75%。通過對比GDEM_2022與GEBCO_2021，發(fā)現GDEM_2022在清晰度和細節(jié)方面優(yōu)于GEBCO_2021。該研究提出的深度學習超分辨率DEM可以大大減少必要測量的海域或點的數量，很好地補充了海底的精細測繪和全球高分辨率海陸DEM地形圖的構建。

該成果可以滿足不同領域和不同層次對海洋測深數據的需求，為不同地形復雜度下全球海陸重力場與地形的關系、探索不同海陸構造單元的均衡機制以及海陸地形對海洋潮流運動的影響等方面的研究提供重要支撐。