基于表层卫星遥感观测的中深层海洋遥感对于了解海洋内部异常及其动力过程有重要意义。如何从现有的海洋表层遥感观测资料提取海洋内部关键动力环境信息场是具有挑战性的海洋遥感技术前沿。本文采用支持向量回归(SVR)方法,通过卫星遥感观测获取的多源海表参量(海表高度异常(SSHA)、海表温度异常(SSTA)、海表盐度异常(SSSA)和海表风场异常(SSWA)),选择最优参量输入组合,感知海洋次表层温度异常(STA),并用实测Argo数据作精度验证。结果表明SVR模型可准确估算全球尺度的STA(1000　m深度以浅);当SVR输入变量为2个(SSHA、SSTA)、3个(SSHA、SSTA、SSSA)、4个(SSHA、SSTA、SSSA、SSWA)时对应的平均均方差(MSE)分别为0.0090、0.0086、0.0087,平均决定系数(R^2)分别为0.443、0.457、0.485。因此,除了SSHA和SSTA外,SSSA与SSWA的输入对SVR模型的估算有积极影响,有助于提高STA的估算精度。在全球增暖与减缓背景下,该研究可为从表层卫星遥感观测提取海洋内部热力异常信息研究提供重要技术支持,有利于拓展卫星对海观测范围。