概括
我们开发了一种机器学习方法,使用卫星数据和ICESat-2光子数据改进浅海底绘图. 这种方法通过降低噪音来提高浴度精度,使海底测绘更可靠和更具成本效益.
科学领域:
- 地球和海洋科学 地球和海洋科学
- 地质物理学 地质物理学
- 遥感技术 遥感技术 遥感技术
背景情况:
- 卫星遥感和ICESat-2光子数据为浅海底地形绘制提供了一种具有成本效益的方法.
- ICESat-2光子数据的准确性受到来自海面条件,水质和仪器错误的噪音的挑战.
研究的目的:
- 从ICESat-2数据中引入一种新的机器学习消噪方法,以精确地提取海底光子信号.
- 通过改进的海底数据,在多光谱图像中增强浴度逆转.
- 为了解决处理杂ICESat-2数据的现有方法的局限性.
主要方法:
- 开发一个基于尺度压缩的机器学习 (SCBMLD) 算法.
- 应用SCBMLD从杂的ICESat-2光子数据中提取海底信号.
- 用多光谱图像集成denoised数据用于浴度逆转.
主要成果:
- 在浴度数据中,SCBMLD的平均准确度提高了21%.
- 在各种环境条件下生成了高质量的浴度数据.
- 为两个区域生成0.51m和1.09m的RMSEs的浴度产品,满足C级信心要求.
结论:
- 该SCBMLD方法提供了一个有效的解决方案,用于精确的海底光子信号提取和浴度逆转.
- 这种方法减少了复杂参数调整的需要,并降低了计算成本.
- 即使在具有挑战性的条件下,也可以生成可靠和准确的浅海底地形图.
