估计分类海洋旋的每日语义分段地图,使用沿轨高度测量的海平面异常数据
Eike Bolmer1, Adili Abulaitijiang2, Jürgen Kusche2
1Remote Sensing Group, Institute of Geodesy and Geoinformation (IGG), University of Bonn, Bonn, Germany.
Frontiers in artificial intelligence
|March 8, 2024
概括
这项研究介绍了Teddy,一个用于使用高分辨率沿轨海平面数据准确检测海洋的深度神经网络. 泰迪通过提供及时和精确的每日旋细分图来改进传统方法.
科学领域:
- 海洋学和远程传感技术
- 地质物理学 地质物理学
- 数据科学数据科学数据科学
背景情况:
- 中级旋是影响全球气候和海洋生态系统的关键海洋特征.
- 目前使用格式海平面异常数据的方法与时空分辨率发生冲突,导致不准确的探测.
- 沿轨海平面数据提供了更高的分辨率,但在处理方面存在挑战.
研究的目的:
- 开发一种新的方法,准确及时检测海洋中等尺度旋.
- 为了利用高分辨率的沿轨海平面异常数据来改进旋细分.
- 克服现有方法的局限性,这些方法依赖于更低分辨率的网格海平面产品.
主要方法:
- 提出了一个名为Teddy的深度神经网络架构.
- 使用变压器模块来编码从沿轨数据的时空信息.
- 采用稀疏度不变的卷积神经网络 (CNN) 来对旋类型 (旋风,反旋风) 的二维细分.
主要成果:
- 泰迪精确地从稀疏的沿轨数据每天生成海洋旋的2D细分地图.
- 该方法与使用加工的海平面异常网的传统方法相比,显示出更高的准确性和及时性.
- 通过精心策划的独立数据集进行验证.
结论:
- 通过像Teddy这样的深度学习模型处理的高分辨率沿轨海平面数据,为海洋探测提供了卓越的方法.
- 泰迪在了解海洋动态和气候方面取得了重大进展.
- 开发的方法和数据集为海洋学研究领域做出了贡献.


