高精度对流层风场对数值天气预报及防灾减灾具有关键作用。针对传统观测手段及卫星云导风技术在时空覆盖与垂直分层精度上的局限，本研究基于Himawari卫星IR1与IR3通道数据，以ERA5再分析资料为真值，对比评估了U-Net结合LSTM（11步长含前后向信息、6步长仅含前向信息）及U-Net结合Transformer（6步长）模型在850 hPa与200 hPa风场反演中的性能。结果表明，11步长的LSTM模型统计指标最优，其850/200 hPa层的RMSE分别为2.089 m/s和3.475 m/s；月度相关性分析显示其全年表现极稳，最高相关系数分别达0.989与0.968，体现了强大的时序建模能力。然而，可视化分析证实，6步长模型在还原局地强天气系统（如850hPa气旋结构）方面展现出更佳的物理一致性，有效缓解了长序列输入导致的特征过度平滑问题。值得注意的是，在相同步长下，Transformer模型表现劣于LSTM模型，尤其在200 hPa层RMSE达到4.235 m/s，反映出在处理气象遥感数据非线性特征时，LSTM的递归机制比自注意力机制更具鲁棒性。总体而言，增加步长虽能降低统计误差，但会牺牲对极端天气的表达能力；6步长LSTM模型在计算效率、数值精度与结构保真度间取得了最优平衡，为构建高时空分辨率卫星风场产品提供了重要技术支撑。

静止气象卫星；风场反演；时空特征融合；物理特征驱动采样