La información meteorológica precisa es crucial para la seguridad de los vuelos de aviación civil. La información completa del campo de viento es particularmente útil para planificar rutas de vuelo. Para abordar el desafío de reconstruir con precisión los campos de viento, este documento presenta un método de red neuronal de aprendizaje profundo basado en el Decodificador Vision Mamba. El objetivo del método es reconstruir el campo de viento completo original a partir de datos de viento incompletos distribuidos a lo largo de las rutas aéreas. Este documento propone mejoras al modelo Vision Mamba para adaptarlo a nuestra misión, demostrando que el modelo desarrollado puede reconstruir con precisión el campo de viento completo. Los resultados experimentales demuestran un error absoluto medio (MAE) de la velocidad del viento de aproximadamente 1.83 m/s, un error relativo medio (MRE) de alrededor del 7.87%, un valor R-cuadrado de aproximadamente 0.92 y un MAE de la dirección del viento de 5.78 grados.