卫星遥感反演海洋内部多时相、大尺度热力结构信息对于了解海洋内部复杂、多维的动力过程有重要意义.本文采用随机森林回归模型,利用卫星遥感观测的海表参量(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)),反演不同季节、不同深度层位(1000　m深度以上)的海洋次表层温度异常(STA),并用Argo实测数据作精度验证,采用均方根误差(RMSE)、归一化均方根误差(NRMSE)以及决定系数(R2)评价模型在全球及洋盆尺度上的反演精度.结果　显示,全球海洋16个深度层位的平均R2在春、夏、秋、冬四季分别为0.53、0.60、0.54、0.66,NRMSE分别为0.051、0.031、0.043、0.044.随着季节的变化,模型反演性能有所波动.模型在印度洋的反演效果最佳,不同季节、不同深度层位上的平均R2和RMSE分别为0.71和0.18℃,而大西洋的反演精度最低,平均R2和RMSE分别为0.46和0.25℃.研究表明随机森林模型适用于全球不同季节的STA遥感反演,且在不同洋盆上均有较好的反演效果;不同季节上,上层STA有明显变化信号,空间异质性显著,但300　m以深,STA信号较弱且基本不随季节变化.本研究可为长时序、大尺度海洋内部参量信息遥感反演与重建提供依据,有助于进一步发展深海遥感方法.